Characteristics of Human-Wildlife Conflicts in Kenya: Examples of Tsavo and Maasai Mara Regions
Notice bibliographique
Résumé
Human-wildlife conflict (HWC) is a widespread and persistent challenge to conservation. However, relatively few studies have thus far examined long-term monitoring data to quantify how the type, and severity of HWC varies across species, seasons, years and ecosystems. Here, we examine human-wildlife conflicts in Tsavo and Maasai Mara, two premier wildlife conservation areas in Kenya. Using Kenya Wildlife Service (KWS) data (2001-2016), we show that both the type and severity of conflicts vary among species such that the African elephant (Loxodonta africana), is the leading conflict species in both the Tsavo (64.3%, n= 30664) and Mara (47.0%, n=12487) ecosystems. The next four most notorious conflict animals, in decreasing order, are nonhuman primates (Tsavo 11.4%, n=3502; Mara 11.8%, n=1473), African buffalo (Syncerus caffer, Tsavo 5.5%, n=1676; Mara 11.3%, n=1410), lion (Panthera leo,Tsavo 3.6%, n=1107; Mara 3.3%, n=416) and spotted hyena (Crocuta crocuta, Tsavo 2.4%, n=744; Mara 5.8%, n=729). We group the observed conflict incidences (n= 43,151) into four major conflict types, including crop raiding, the most common conflict type, followed by human and livestock attacks and property damage. The severity of conflicts also varies markedly seasonally and inter-annually. Crop raiding peaks in May-July, during and at the end of the wet season when crops are maturing but is lowest in November during the late dry season and beginning of the early rains. Attacks on humans and livestock increased more than other conflict types in both Tsavo (from 2001) and Mara (from 2013). Relatively fewer people in Mara (7.2%, n=901) than in Tsavo (38.2%, n = 11714) felt threatened by wildlife, suggesting that the Maasai people are more tolerant of wildlife. Minimizing HWC is tightly linked to successfully resolving the broader conservation challenges, including enhancing ecosystem connectivity, community engagement and conservation benefits to communities.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».