Human disturbance alters the predation rate of moose in the Athabasca oil sands
Notice bibliographique
Résumé
Abstract Human disturbance can alter predation rates to prey in various ways. Predators can use human disturbance to facilitate hunting, thereby increasing exposure to prey. Conversely, when predators avoid human disturbance and prey do not, prey refugia are generated. Because the direction and magnitude of such effects are not always predictable, it is important to examine if and how predation rates vary with human disturbance. Alberta's Athabasca oil sands region ( AOSR ) is a region of boreal forest characterized by extensive human disturbance and is home to moose ( Alces alces ) and wolf ( Canis lupus ) populations. We examined whether the wolf predation rate of moose varies with human disturbance in the AOSR . We compared the distribution of wolf kills of moose to a spatial index of moose density in uplands and wetlands, near and far from rivers, mines and facilities, and at high and low densities of linear features near human habitation. Moose were killed closer to mines and rivers and at lower densities of linear features than expected by random. When compared to the relative availability of habitats, more kills of moose occurred in upland forest than in wetlands. However, when compared to the relative density of moose, kills only increased with decreasing distance to mines and rivers. We conclude that predation rates of moose have increased near human disturbance in AOSR because the mining footprint has removed habitat causing changes to the intensity of wolf use of areas near the boundary of mines. We discuss possibility of sink habitat near mining features and whether that is expected to reduce moose population density across AOSR .
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) | 0,001 | 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 ».