MétaCan
Menu
Retour à la cohorte
Enregistrement W4281491874 · doi:10.1101/2022.05.23.493053

Sustainable elk harvests in Alberta with increasing predator populations

2022· preprint· en· W4281491874 sur OpenAlexafffundabout
Tyler Trump, Kyle H. Knopff, Andrea T. Morehouse, Mark S. Boyce

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2022
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensGolder Associates (Canada)University of Alberta
Organismes subventionnairesAlberta Environment and Parks
Mots-clésUrsusPredationGeographyWildlifeCanisPredatorWildlife managementCervus elaphusPopulationEcologyBiologyDemography

Résumé

récupéré en direct d'OpenAlex

Abstract Large predators often are believed to cause declines in hunter harvests of ungulates due to direct competition for prey with hunters. In Alberta, predators of elk ( Cervus elaphus ), including grizzly bear ( Ursus arctos ), cougar ( Puma concolor ), and wolf ( Canis lupus ), have increased in recent years. We used trend analysis replicated by Wildlife Management Unit (WMU) to examine regional trends in elk harvest and hunter success. Over a 26-year period, average harvest of elk increased for both unrestricted bull (5.46% yr -1 ) and limited-quota (6.64% yr -1 ) hunting seasons. Average hunter success also increased for both unrestricted bull (0.2% yr -1 ) and limited-quota (0.3% yr -1 ) seasons, but no trend was detected in hunter effort ( P > 0.05). Our results show that increasing large-predator populations do not necessarily reduce hunter harvest of elk, and we only found evidence for this in Alberta’s mountain WMUs where predation on elk calves has reduced recruitment. Furthermore, data indicate that Alberta’s elk harvest management has been sustainable, i.e., hunting has continued while populations of elk have increased throughout most of the province. Wildlife agencies can justify commitments to long-term population monitoring because data allow adaptive management and can inform stakeholders on the status of populations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,208
Écart entre enseignants0,198 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetWildlife Ecology and ConservationTravaux en français237 207