Assessing prey selection of snow leopard in Mt. Kangchenjunga, Nepal
Notice bibliographique
Résumé
In spring of 2012, we studied the feeding habits of snow leopard using a comprehensive approach that combines fecal genetic sampling, macro and microscopic analysis of snow leopard diets and direct observation of Naur and livestock in Kangchenjunga Conservation Area of east Nepal. Out of collected 88 putative snow leopard scat samples from 140 transects (290 km) in 27 (4*4 km2) sampling grid cells, 83% were confirmed to be from snow leopard. The genetic analysis accounted for 19 individual snow leopards (10 male and 9 female) with a mean population size estimate of 24 (95% CI: 19- 29), and an average density of 3.9 snow leopards/100 km2 within 609 km2. Total available prey biomass of Naur and Yak was estimated at 355,236 kg (505 kg yak/km2 and 78 kg Naur/km2). From the available prey biomass, we estimated snow leopards consumed 7% annually which was comprised of wild prey (49%), domestic livestock (45%), and 6% unidentified items. The estimated 47,736 kg Naur biomass gives a snow leopard-Naur ratio of 1: 59 on a weight basis. The proportion of young Naur was estimated at 17%, with an almost double predation rate at 28%. Predators such as common leopard and wolf share the same habitat and might compete with snow leopard for prey which will likely influence future predator-prey associations in KCA. Along with livestock insurance scheme improvement, there needs to be a focus on improved livestock guarding as well as engaging and educating local people to be citizen scientists on the importance of snow leopard conservation, involving them in long-term monitoring programs and promotion of ecotourism.
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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».