A railway increases the abundance and accelerates the phenology of bear‐attracting plants in a forested, mountain park
Notice bibliographique
Résumé
Abstract Vegetation enhancement along railways has not been well studied, despite high rates of mortality from train strikes across numerous species, including sensitive populations in protected areas. This situation describes grizzly bears ( Ursus arctos ) in the mountain parks of Canada, where train strikes have become the leading source of known mortality. We hypothesized that attraction by bears to railways occurs partly because of increases in the richness, diversity, cover, and maturation rate of plants consumed by bears relative to adjacent forest and that this effect may increase with elevation. We quantified and compared responses in plants used by bears to the railway (ballast), forest edge, and within adjacent forest for two growing seasons (May–October) at 19 locations spanning an elevational gradient in Banff and Yoho National Parks in the Canadian Rocky Mountains. Overall, richness, diversity, and total cover of plants consumed by bears were greatest at the forest edge. On the forest edge or ballast, flowering rates of some species were over three times higher and fruit occurrence was up to five times higher than 50 m into the adjacent forest. Enhancement of berry productivity along rail edges increased with elevation. Buffaloberry ( Shepherdia canadensis ), an important regional pre‐hibernation resource, had more fruit, faster ripening, and higher sugar content for shrubs located within 15 m of the rail than within surrounding interior forest. Our results demonstrate that railway edges can increase the quantity and quality of palatable vegetation resources of both native and introduced species, potentially increasing strike risk for bears and other wildlife. Potential mitigation of this risk could include removal of attractants along the rail, particularly at locations where other factors increase the risk of collisions, and creation of forest openings, either through natural processes or through forest modification that would provide forage in less risky habitats.
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 ».