Identifying conservation priorities for an understudied species in decline: Golden cats (Catopuma temminckii) in mainland Tropical Asia
Notice bibliographique
Résumé
Identifying conservation priorities for an understudied species can be challenging, as the amount and type of data available to work with are often limited. Here, we demonstrate a flexible workflow for identifying priorities for such data-limited species, focusing on the little-studied Asian golden cat (Catopuma temminckii) in mainland Tropical Asia. Using recent occurrence records, we modeled the golden cat’s expected area of occurrence and identified remaining habitat strongholds (i.e., large intact areas with moderate-to-high expected occurrence). We then classified these strongholds by recent camera-trap survey status (from a literature review) and near-future threat status (based on publicly available forest loss projections and Bayesian Belief Network derived estimates of hunting-induced extirpation risk) to identify conservation priorities. Finally, we projected the species’ expected area of occurrence in the year 2000, approximately three generations prior to today, to define past declines and better evaluate the species’ current conservation status. Lower levels of hunting-induced extirpation risk and higher levels of closed-canopy forest cover were the strongest predictors of recent camera-trap records. Our projections suggest a 68% decline in area with moderate-to-high expected occurrence between 2000 and 2020, with a further 18% decline predicted over the next 20 years. Past and near-future declines were primarily driven by cumulatively increasing levels of hunting-induced extirpation risk, suggesting assessments of conservation status based solely on declines in habitat may underestimate actual population declines. Of the 40 remaining habitat strongholds, 77.5% were seriously threatened by forest loss and hunting. Only 52% of threatened strongholds had at least one site surveyed, compared to 100% of low-to-moderate threat strongholds, thus highlighting an important knowledge gap concerning the species’ current distribution and population status. Our results suggest the golden cat has experienced, and will likely continue to experience, considerable population declines and should be considered for up-listing to a threatened category (i.e., VU/EN) under criteria A2c of the IUCN Red List.
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 | 0,000 | 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) | 0,001 | 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 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 ».