MétaCan
Menu
Retour à la cohorte
Enregistrement W2464487016 · doi:10.1111/conl.12280

Socioeconomic Benefits of Large Carnivore Recolonization Through Reduced Wildlife‐Vehicle Collisions

2016· article· en· W2464487016 sur OpenAlex
Sophie L. Gilbert, Kelly J. Sivy, Casey B. Pozzanghera, Adam J. Dubour, Kelly S Overduijn, Matthew M. Smith, Jiake Zhou, Joseph Little, Laura R. Prugh

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueConservation Letters · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCarnivoreWildlifeGeographyEcosystem servicesSocioeconomic statusHerbivoreTrophic cascadePopulationEcosystemEcologyBiologyDemographyPredation

Résumé

récupéré en direct d'OpenAlex

Abstract The decline of top carnivores has released large herbivore populations around the world, incurring socioeconomic costs such as increased animal–vehicle collisions. Attempts to control overabundant deer in the Eastern United States have largely failed, and deer–vehicle collisions (DVCs) continue to rise at alarming rates. We present the first valuation of an ecosystem service provided by large carnivore recolonization, using DVC reduction by cougars as a case study. Our coupled deer population models and socioeconomic valuations revealed that cougars could reduce deer densities and DVCs by 22% in the Eastern United States, preventing 21,400 human injuries, 155 fatalities, and $2.13 billion in avoided costs within 30 years of establishment. Recently established cougars in South Dakota prevent $1.1 million in collision costs annually. Large carnivore restoration could provide valuable ecosystem services through such socio‐ecological cascades, and these benefits could offset the societal costs of coexistence.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,225
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle