MétaCan
Menu
Retour à la cohorte
Enregistrement W2921058817 · doi:10.1080/11956860.2019.1587862

Impact of agrarian land use and land cover practices on survival and conservation of nilgai antelope (<i>Boselaphus tragocamelus</i>) in and around the Abohar wildlife sanctuary, northwestern India

2019· article· en· W2921058817 sur OpenAlexvenueno aff
Parteek Bajwa, N. P. S. Chauhan

Notice bibliographique

RevueEcoscience · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeographyFencingAgrarian societyWildlifeLand coverBiodiversityHabitatEcologyDistribution (mathematics)Land useAgricultureAgroforestryPhysical geographyEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

There is an information gap on biodiversity effects of land use and land cover (LULC) dynamics of agrarian landscapes. Such data are essential for policy making and species management in agro-ecosystems. Thus, changes in LULC inside the Abohar wildlife sanctuary and its eco-sensitive zone were investigated using LISS-III satellite images from 2003 to 2016. The area under cropland witnessed a 3.6% increase, whereas wastelands significantly declined by 4.3%. Further, the impact of LULC dynamics on nilgai (Boselaphus tragocamelus) was determined through mortality distribution in the sanctuary from 2012 to 2017. The spatio-temporal distribution pattern of mortality revealed that a total of 336 nilgai died during the six years studied. Free-ranging feral dogs, in conjunction with fencing and road accidents, were the major factors involved in nilgai casualty. Fatalities were clustered in regions with significant LULC change. The results confirmed that intensified development and reuse of derelict agricultural fields disturbed nilgai ecology and habitat use pattern. Human-wildlife conflicts in agrarian landscapes are an increasing concern and should be managed following identification of sensitive areas.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,746

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,246
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcoscienceMême sujetWildlife Ecology and ConservationTravaux en français237 207