Conservation lessons from large‐mammal manipulations in East African savannas: the KLEE, UHURU, and GLADE experiments
Notice bibliographique
Résumé
African savannas support an iconic fauna, but they are undergoing large-scale population declines and extinctions of large (>5 kg) mammals. Long-term, controlled, replicated experiments that explore the consequences of this defaunation (and its replacement with livestock) are rare. The Mpala Research Centre in Laikipia County, Kenya, hosts three such experiments, spanning two adjacent ecosystems and environmental gradients within them: the Kenya Long-Term Exclosure Experiment (KLEE; since 1995), the Glade Legacies and Defaunation Experiment (GLADE; since 1999), and the Ungulate Herbivory Under Rainfall Uncertainty experiment (UHURU; since 2008). Common themes unifying these experiments are (1) evidence of profound effects of large mammalian herbivores on herbaceous and woody plant communities; (2) competition and compensation across herbivore guilds, including rodents; and (3) trophic cascades and other indirect effects. We synthesize findings from the past two decades to highlight generalities and idiosyncrasies among these experiments, and highlight six lessons that we believe are pertinent for conservation. The removal of large mammalian herbivores has dramatic effects on the ecology of these ecosystems; their ability to rebound from these changes (after possible refaunation) remains unexplored.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».