Does aerial baiting for controlling feral cats in a heterogeneous landscape confer benefits to a threatened native meso-predator?
Notice bibliographique
Résumé
Introduced mammalian predators can have devastating impacts on recipient ecosystems and disrupt native predator-prey relationships. Feral cats (Felis catus) have been implicated in the decline and extinction of many Australian native species and developing effective and affordable methods to control them is a national priority. While there has been considerable progress in the lethal control of feral cats, effective management at landscape scales has proved challenging. Justification of the allocation of resources to feral cat control programs requires demonstration of the conservation benefit baiting provides to native species susceptible to cat predation. Here, we examined the effectiveness of a landscape-scale Eradicat® baiting program to protect threatened northern quolls (Dasyurus hallucatus) from feral cat predation in a heterogeneous rocky landscape in the Pilbara region of Western Australia. We used camera traps and GPS collars fitted to feral cats to monitor changes in activity patterns of feral cats and northern quolls at a baited treatment site and unbaited reference site over four years. Feral cat populations appeared to be naturally sparse in our study area, and camera trap monitoring showed no significant effect of baiting on cat detections. However, mortality rates of collared feral cats ranged from 18-33% after baiting, indicating that the program was reducing cat numbers. Our study demonstrated that feral cat baiting had a positive effect on northern quoll populations, with evidence of range expansion at the treatment site. We suggest that the rugged rocky habitat preferred by northern quolls in the Pilbara buffered them to some extent from feral cat predation, and baiting was sufficient to demonstrate a positive effect in this relatively short-term project. A more strategic approach to feral cat management is likely to be required in the longer-term to maximise the efficacy of control programs and thereby improve the conservation outlook for susceptible threatened fauna.
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 | 0,000 | 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 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 ».