Effects of habitat quality and access management on the density of a recovering grizzly bear population
Notice bibliographique
Résumé
Abstract Human activities have dramatic effects on the distribution and abundance of wildlife. Increased road densities and human presence in wilderness areas have elevated human‐caused mortality of grizzly bears and reduced bears' use. Management agencies frequently attempt to reduce human‐caused mortality by managing road density and thus human access, but the effectiveness of these actions is rarely assessed. We combined systematic, DNA ‐based mark–recapture techniques with spatially explicit capture–recapture models to estimate population size of a threatened grizzly bear population (Kettle–Granby), following management actions to recover this population. We tested the effects of habitat and road density on grizzly bear population density. We tested both a linear and threshold‐based road density metric and investigated the effect of current access management (closing roads to the public). We documented an c . 50% increase in bear density since 1997 suggesting increased landscape and species conservation from management agencies played a significant role in that increase. However, bear density was lower where road densities exceeded 0.6 km/km 2 and higher where motorised vehicle access had been restricted. The highest bear densities were in areas with large tracts of few or no roads and high habitat quality. Access management bolstered bear density in small areas by 27%. Synthesis and applications . Our spatially explicit capture–recapture analysis demonstrates that population recovery is possible in a multi‐use landscape when management actions target priority areas. We suggest that road density is a useful surrogate for the negative effects of human land use on grizzly bear populations, but spatial configuration of roads must still be considered. Reducing roads will increase grizzly bear density, but restricting vehicle access can also achieve this goal. We demonstrate that a policy target of reducing human access by managing road density below 0.6 km/km 2 , while ensuring areas of high habitat quality have no roads, is a reasonable compromise between the need for road access and population recovery goals. Targeting closures to areas of highest habitat quality would benefit grizzly bear population recovery the most.
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 | 0,000 |
| 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 ».