The importance of considering multiple interacting species for conservation of species at risk
Notice bibliographique
Résumé
Abstract Conservation of species at risk of extinction is complex and multifaceted. However, mitigation strategies are typically narrow in scope, an artifact of conservation research that is often limited to a single species or stressor. Knowledge of an entire community of strongly interacting species would greatly enhance the comprehensiveness and effectiveness of conservation decisions. We investigated how camera trapping and spatial count models, an extension of spatial‐recapture models for unmarked populations, can accomplish this through a case study of threatened boreal woodland caribou (Rangifer tarandus caribou) . Population declines in caribou are precipitous and well documented, but recovery strategies focus heavily on control of wolves (Canis lupus) and pay less attention to other known predators and apparent competitors. Obtaining necessary data on multispecies densities has been difficult. We used spatial count models to concurrently estimate densities of caribou, their predators (wolf, black bear [Ursus americanus] , and coyote [Canis latrans] ), and alternative prey (moose [ Alces alces ] and white‐tailed deer [Odocoileus virginianus] ) from a camera‐trap array in a highly disturbed landscape within northern Alberta's Oil Sands Region. Median densities were 0.22 caribous (95% Bayesian credible interval [BCI] = 0.08–0.65), 0.77 wolves (95% BCI = 0.26–2.67), 2.39 moose (95% BCI = 0.56–7.00), 2.64 coyotes (95% BCI = 0.45–6.68), and 3.63 black bears (95% BCI = 1.25–8.52) per 100 km 2 . (The white‐tailed deer model did not converge.) Although wolf densities were higher than densities recommended for caribou conservation, we suggest the markedly higher black bear and coyote densities may be of greater concern, especially if government wolf control further releases these species. Caribou conservation with a singular focus on wolf control may leave caribou vulnerable to other predators. We recommend a broader focus on the interacting species within a community when conserving species.
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 | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».