Incorporating climate change in a harvest risk assessment for polar bears Ursus maritimus in Southern Hudson Bay
Notice bibliographique
Résumé
Arctic marine mammals are harvested by Indigenous people for subsistence and are socially and culturally important. For ice-dependent species like the polar bear Ursus maritimus , management and conservation require understanding interactions between harvest and sea-ice loss due to climate change. We developed a demographic model to evaluate harvest risk for polar bears in Southern Hudson Bay, Canada, where the annual ice-free season has increased by approximately one month in recent decades. The model was based on the theta-logistic equation and allowed for density-dependent changes (through carrying capacity [ K ]) and density-independent changes (through population growth rate [ r ]). Model parameters were estimated using a Bayesian Monte Carlo method that included capture-recapture, aerial survey, and harvest data. Harvest management followed a state-dependent approach under which new estimates of abundance were used to update the harvest level every five years. Under a middle-of-the-road environmental scenario that assumed K and r would decline in proportion to projected sea-ice declines, annual removal of 0.02–0.03 of females resulted in a 0.8 probability of maintaining subpopulation abundance above maximum net productivity level for three polar bear generations (~34 years), our primary criterion for sustainability. Under more pessimistic and optimistic environmental scenarios, comparable female harvest rates were 0.01 and 0.055, respectively. Our coupled modeling-management framework can be used to inform tradeoffs between protection and sustainable use for wildlife populations experiencing habitat loss.
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 | 0,001 | 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) | 0,000 | 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 ».