Spatial modelling of non-target exposure to anticoagulant rodenticides can inform mitigation options in two boreal predators inhabiting areas with intensive oil and gas development
Notice bibliographique
Résumé
Intensive industrial development occurs in the ecologically significant boreal forest, including oil and gas development in northern Alberta, Canada. This forest is home to many highly-valued animal species including fisher (Pekania pennanti; formerly Martes pennanti) and American marten (Martes americana). Second-generation anticoagulant rodenticides (SGARs) are commonly used near human infrastructure in developed areas to control and reduce damage from rodent pests. High body burdens of SGARs in rodent prey pose risks of secondary poisoning for fisher and marten that readily consume rodents. The objective of this research was to determine if fisher and marten living in anthropogenically-disturbed areas of northern Alberta showed evidence of SGAR exposure. Fisher and marten carcasses were collected from the region, aged, sexed, and liver samples were analysed for rodenticides using liquid-chromatography mass spectrometry (LCMS). SGARs were found in the livers of non-target fisher and marten. As SGARs were found in the livers of fisher with sufficient frequency for complete statistical analysis, analyses including ANOVA, linear regression, and spatial cluster analyses were used to assess spatial patterns exhibited by fisher exposure frequencies against potential explanatory variables such as boreal anthropogenic disturbances and land cover classes. Additionally, companies operating in the region were surveyed to identify their current rodent control measures in an effort to verify the results of the spatial analyses. This is the first study to demonstrate non-target SGAR exposure of fisher and marten in Canada. Exposure frequency in fisher exhibited clustering, which showed the strongest relationships to factors including total boreal disturbances, number of oil sands mines, and broadleaf forest cover. The spatial methods used in this paper provide tools to develop local interventions for mitigation and conservation efforts.
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 | 0,000 |
| 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 ».