Human impacts on mammals in and around a protected area before, during, and after <scp>COVID</scp> ‐19 lockdowns
Notice bibliographique
Résumé
Abstract The dual mandate for many protected areas (PAs) to simultaneously promote recreation and conserve biodiversity may be hampered by negative effects of recreation on wildlife. However, reports of these effects are not consistent, presenting a knowledge gap that hinders evidence‐based decision‐making. We used camera traps to monitor human activity and terrestrial mammals in Golden Ears Provincial Park and the adjacent University of British Columbia Malcolm Knapp Research Forest near Vancouver, Canada, with the objective of discerning relative effects of various forms of recreation on cougars ( Puma concolor ), black bears ( Ursus americanus ), black‐tailed deer ( Odocoileus hemionus ), snowshoe hares ( Lepus americanus ), coyotes ( Canis latrans ), and bobcats ( Lynx rufus ). Additionally, public closures of the study area associated with the COVD‐19 pandemic offered an unprecedented period of human‐exclusion through which to explore these effects. Using Bayesian generalized mixed‐effects models, we detected negative effects of hikers (mean posterior estimate = −0.58, 95% credible interval [CI] −1.09 to −0.12) on weekly bobcat habitat use and negative effects of motorized vehicles (estimate = −0.28, 95% CI −0.61 to −0.05) on weekly black bear habitat use. We also found increased cougar detection rates in the PA during the COVID‐19 closure (estimate = 0.007, 95% CI 0.005 to 0.009), but decreased cougar detection rates (estimate = −0.006, 95% CI −0.009 to −0.003) and increased black‐tailed deer detection rates (estimate = 0.014, 95% CI 0.002 to 0.026) upon reopening of the PA. Our results emphasize that effects of human activity on wildlife habitat use and movement may be species‐ and/or activity‐dependent, and that camera traps can be an invaluable tool for monitoring both wildlife and human activity, collecting data even when public access is barred. Further, we encourage PA managers seeking to promote both biodiversity conservation and recreation to explicitly assess trade‐offs between these two goals in their PAs.
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 | 0,001 | 0,002 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».