MétaCan
Menu
Retour à la cohorte
Enregistrement W2466732114 · doi:10.2981/wlb.00165

Ecological implications from spatial patterns in human‐caused brown bear mortality

2016· article· en· W2466732114 sur OpenAlexaff
Sam M. J. G. Steyaert, Andreas Zedrosser, Marcus Elfström, Andrés Ordiz, Martin Leclerc, Shane C. Frank, Jonas Kindberg, Ole‐Gunnar St⊘en, Sven Brunberg, Jon E. Swenson

Notice bibliographique

RevueWildlife Biology · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesCenter for Advanced Study, University of Illinois at Urbana-ChampaignNarodowe Centrum Badań i RozwojuNorges ForskningsrådNaturvårdsverketStatens veterinärmedicinska anstaltSvenska Jägareförbundet
Mots-clésUrsusWildlifeEcologyHabitatGeographyPopulationHuman–wildlife conflictWildlife managementSpatial ecologyWildlife conservationEcological trapDemographyBiology

Résumé

récupéré en direct d'OpenAlex

Humans are important agents of wildlife mortality, and understanding such mortality is paramount for effective population management and conservation. However, the spatial mechanisms behind wildlife mortality are often assumed rather than tested, which can result in unsubstantiated caveats in ecological research (e.g. fear ecology assumptions) and wildlife conservation and/or management (e.g. ignoring ecological traps). We investigated spatial patterns in human‐caused mortality based on 30 years of brown bear Ursus arctos mortality data from a Swedish population. We contrasted mortality data with random locations and global positioning system relocations of live bears, as well as between sex, age and management classes (‘problem’ versus ‘no problem’ bear, before and after changing hunting regulations), and we used resource selection functions to identify potential ecological sinks (i.e. avoided habitat with high mortality risk) and traps (i.e. selected habitat with high mortality risk). We found that human‐caused mortality and mortality risk were positively associated with human presence and access. Bears removed as a management measure were killed in closer proximity to humans than hunter‐killed bears, and supplementary feeding of bears did not alter the spatial structure of human‐caused bear mortality. We identified areas close to human presence as potential sink habitat and agricultural fields (oat fields in particular) as potential ecological traps in our study area. We emphasize that human‐caused mortality in bears and maybe in wildlife generally can show a very local spatial structure, which may have far‐reaching population effects. We encourage researchers and managers to systematically collect and geo‐reference wildlife mortality data, in order to verify general ecological assumptions and to inform wildlife managers about critical habitat types. The latter is especially important for vulnerable or threatened populations.

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 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 enseignants0,012
Score d'incertitude au seuil0,995

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,030
Tête enseignante GPT0,274
Écart entre enseignants0,244 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations81
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWildlife BiologyMême sujetWildlife Ecology and ConservationTravaux en français237 207