The case for lethal control of gulls on seabird colonies
Notice bibliographique
Résumé
ABSTRACT Lethal control of wildlife represents an ethical concern for managers, exacerbated by a lack of replicated or controlled data for most taxa or regions. The Gulf of Maine (GOM) has a history of intensive lethal and nonlethal predator control to protect terns ( Sterna spp.) from inflated populations of predatory gulls, especially herring ( Larus argentatus ) and great black‐backed gulls ( L. marinus ; large gulls). We described management strategies in the GOM, reviewed methods of nonlethal and lethal types of control, and compared the effectiveness of 3 control regimes (lethal, nonlethal‐only, and no control) using weighted means of reproductive success metrics for 4 tern species. Nonlethal‐only control is the least effective method of predator control; lethal control is consistently the most effective. Arctic terns ( Sterna paradisaea ) were the most susceptible to predation, whereas common terns ( Sterna hirundo ) were the most resilient. We concluded that targeted lethal control is necessary in the GOM to protect tern colonies from depredation and nesting exclusion by large gulls, and cannot be substituted with nonlethal control. Cessation of lethal control leads to abandonment of tern colonies within 6–7 years, but resumption of appropriately timed lethal control can lead to recolonization the same year. A combination of nonlethal and lethal methods can minimize the number of gulls taken. We recommend that any application of lethal control carefully considers the local needs of any target species and recognizes the need for spatial and temporal commitment. © 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».