Estimating unrecorded human-caused mortalities of grizzly bears in the Flathead Valley, British Columbia, Canada
Notice bibliographique
Résumé
Managing the number of grizzly bear ( Ursus arctos ) mortalities to a sustainable level is fundamental to bear conservation. All known grizzly bear deaths are recorded by management agencies but the number of human-caused grizzly bear deaths that are not recorded is generally unknown, causing considerable uncertainty in the total number of mortalities. Here, we compare the number of bears killed legally by hunters to the number killed by people for all other reasons, for bears wearing functioning radiocollars and for uncollared bears recorded in the British Columbia (BC) government mortality database for the Flathead Valley in southeast BC. Between 1980 and 2016, permitted hunters killed 10 collared bears and 12 (9 known, 3 suspected) were killed by people for other reasons. This ratio differed ( p < 0.0001) from the uncollared bears in the government database where 71 were killed by hunters while only 10 were killed for other reasons. We estimate that 88% (95% CI; 67–96%) of the human-caused mortalities that were not by permitted hunters were unreported. The study area may have low reporting rates because it is >40 km on a gravel road from a Conservation Officer office, so reporting is difficult and there are no human residences so there is little concern of a neighbor contacting an officer. Our results are likely indicative of other places that are road-accessed but far from settlements. We discuss the implications of sampling individuals for collaring and the possible implications of wearing a collar on the animal’s fate.
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 ».