Mammal Persistence Along Riparian Forests in Western India Within a Hydropower Reservoir 55 Years Post Construction
Notice bibliographique
Résumé
While the negative impacts of dam construction on downstream river stretches and riparian forests are well studied, the status of wildlife presence and persistence in upstream reservoir deltas is virtually unknown. We investigated the drivers of terrestrial mammal occupancy and persistence along riparian forests of Koyna reservoir in western India 55 years after its construction. We adopted a catchment-wide field design grounded in the river continuum concept and sampled different stream orders within the reservoir. Camera traps, nested in an occupancy modeling framework, were deployed across 72 riparian sites and replicated for four seasons across all stream types. We recorded a total of nineteen species of terrestrial mammals during the study period. Multi-season occupancy models revealed three key patterns of mammal persistence: (a) ungulates were more frequently photo-captured in riparian forests; gaur and wild pig had the highest proportions of the total sampled area (0.84 ± 0.12 SE; 0.77 ± 0.07 SE, respectively); (b) small-sized ungulates were more vulnerable to local extinction than large-bodied ungulates; extinction probability was highest for barking deer (0.59 ± 0.07) and lowest for sambar (0.15 ± 0.07); and (c) distance from stream played major roles in determining mammal detection. Riparian forests are fundamentally important to ecosystem functioning and biodiversity conservation, and using the data from this study, managers can plan to sustain high mammal persistence along riparian forests at Koyna reservoir or similar Indian reserves. Further, our robust sampling approach, grounded in the terrestrial-riverine continuum concept, can be applied globally to understand species assemblages, aiding in multi-landscape and wildlife management planning.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».