Might macronutrient requirements influence grizzly bear–human conflict? Insights from nutritional geometry
Notice bibliographique
Résumé
Abstract Knowledge of carnivore nutritional requirements offers a potentially powerful aid for conservation and management strategies, yet has received little attention. We discuss how nutritional ecology, nutritional geometry, and the concept of macronutrient (protein, lipid, and carbohydrate) balance can be used to further our understanding of behavioral regulatory mechanisms that may influence food‐related human–wildlife conflict, focusing on North American grizzly bears ( Ursus arctos ). We propose that the macronutrient preferences of omnivorous grizzly bears are a strong driver of their conflict with humans due to nutrient‐specific foraging behavior, which we predict will be particularly noticeable during periods in which “key” natural foods high in lipid or carbohydrate are limiting. We demonstrate how nutritional geometry can be used to investigate the concept of nutrient balance by integrating recent research on the macronutrient selection of the grizzly bear with nutritional estimates of potentially consumed anthropogenic foods. Our geometric analysis utilizing right‐angled mixture triangles suggested that anthropogenic foods offer grizzly bears nonprotein energy sources that may allow them to optimize macronutrient intake. This macronutrient‐focused approach gives rise to fundamentally different predictions (and potentially management strategies) than the conventional food and energy‐focused approaches. This article also provides insight into food‐related conflict among other bear and carnivore species, and human–carnivore conflict more generally, by outlining a nutritionally explicit predictive framework for understanding the potentially volatile interface between anthropogenic environments and the behavior of wild animals.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,009 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».