Surplus killing by pumas <i>Puma concolor</i>: rumours and facts
Notice bibliographique
Résumé
Abstract Surplus killing (i.e. predation in which predators kill more prey than necessary to satiate their hunger) appears to be widespread in carnivores and has the potential to exacerbate human–carnivore conflict. Nevertheless, little is known about the frequency of surplus killing or about its impact on livestock. We review the information available on surplus killing by pumas Puma concolor and use data from central Argentina to quantify its impact on ranching and to analyse both its causes and its implications for puma–human conflicts. We reviewed 73 publications and found nine mentions of surplus killing events from six countries. The sheep was by far the most commonly affected livestock species. In central Argentina, surplus killing was reported by 25–33% of the ranchers. In this region, the number of livestock killed during each event ranged from seven to 160 (median = 23) for the literature reports and from two to 70 (median = 7) in the records we personally collated. The number of individual animals killed per event was greater for interview‐based second‐hand reports than for first‐hand reports and verified events. Our results indicate that although surplus killing by pumas is uncommonly reported in the literature, it may be locally recurrent. Although surplus killing may be overestimated in interview‐based reports, it can produce significant losses for sheep and goat ranchers, may strongly exacerbate puma–human conflicts, and should be considered in puma–human conflict mitigation strategies. Ranchers typically attributed surplus killing to female pumas teaching kittens to hunt. However, there is little evidence supporting this interpretation. Surplus killing by pumas may be more likely to occur in situations where the predator's ‘normal’ hunting sequence is disrupted by the accessibility of large numbers of easy prey. Confinement, stormy weather and poor antipredator behaviour may favour the occurrence of surplus killing events on livestock.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».