Integrated species distribution models reveal spatiotemporal patterns of human–wildlife conflict
Notice bibliographique
Résumé
To mitigate human-wildlife conflict it is imperative to know where and when conflict occurs. However, standard methods used to predict the occurrence of human-wildlife conflict often fail to recognize how a species distribution likely limits where and when conflict may happen. As such, methods that predict human-wildlife conflict could be improved if they could identify where conflict will occur relative to species' underlying distribution. To this end, we used an integrated species distribution model that combined presence-only wildlife complaints with data from a systematic camera trapping survey throughout Chicago, Illinois. This model draws upon both data sources to estimate a latent distribution of species; in addition, the model can estimate where conflict is most likely to occur within that distribution. We modeled the occupancy and conflict potential of coyote (Canis latrans), Virginia opossum (Didelphis virginiana), and raccoon (Procyon lotor) as a function of urban intensity, per capita income, and home vacancy rates throughout Chicago. Overall, the distribution of each species constrained the spatiotemporal patterns of conflict throughout the city of Chicago. Within each species distribution, we found that human-wildlife conflict was most likely to occur where humans and wildlife habitat overlap (e.g., featuring higher-than-average canopy cover and housing density). Furthermore, human-wildlife conflict was most likely to occur in high-income neighborhoods for Virginia opossum and raccoon, despite the fact that those two species have higher occupancy in low-income neighborhoods. As such, knowing where species are distributed can inform guidelines on where wildlife management should be focused, especially if it overlaps with human habitats. Finally, because this integrated model can incorporate data that have already been collected by wildlife managers or city officials, this approach could be used to develop stronger collaborations with wildlife management agencies and conduct applied research that will inform landscape-scale wildlife management.
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 | 0,001 | 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) | 0,008 | 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 ».