Predictable features attract urban coyotes to residential yards
Notice bibliographique
Résumé
ABSTRACT Several species of urban‐adapted carnivores, including coyotes ( Canis latrans ), use anthropogenic resources in residential areas, which may increase rates of encounters and conflict with people. These negative interactions might be reduced with more understanding of individual variation in the use of residential areas and if attractants were better predicted by residents and targeted for securement or removal. We fitted 19 urban coyotes with global positioning system (GPS) collars (11 healthy, 8 with sarcoptic mange [ Sarcoptes scabiei ]) and compared their selection for residential areas at different times of day. We also identified 173 clusters of GPS locations (representing foraging and bedding sites) and paired them with available sites to measure selection for anthropogenic food, shelter, and visual cover. Seventeen of 19 coyotes avoided residential areas in general, but lesser avoidance of residential areas occurred in animals that used these areas during the day. Backyards selected by coyotes were 66.7 times less likely to have fences, 22.2 times more likely to contain anthropogenic food, and had 3.3 times as much visual cover than available yards. Diseased coyotes were 9 times more likely than healthy animals to select for yards with anthropogenic food. Our results suggest that coarse measurements of habitat selection via land cover classes may underestimate the attraction to wildlife of particular features in residential areas. Greater management of these features by municipal governments, residents, and communities might reduce animal use, disease transmission, and human‐wildlife conflict for diverse species in urban areas. © 2017 The Wildlife Society.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».