Density‐dependence produces spurious relationships among demographic parameters in a harvested species
Notice bibliographique
Résumé
Abstract Harvest of wild organisms is an important component of human culture, economy, and recreation, but can also put species at risk of extinction. Decisions that guide successful management actions therefore rely on the ability of researchers to link changes in demographic processes to the anthropogenic actions or environmental changes that underlie variation in demographic parameters. Ecologists often use population models or maximum sustained yield curves to estimate the impacts of harvest on wildlife and fish populations. Applications of these models usually focus exclusively on the impact of harvest and often fail to consider adequately other potential, often collinear, mechanistic drivers of the observed relationships between harvest and demographic rates. In this study, we used an integrated population model and long‐term data (1973–2016) to examine the relationships among hunting and natural mortality, the number of hunters, habitat conditions, and population size of blue‐winged teal Spatula discors , an abundant North American dabbling duck with a relatively fast‐paced life history strategy. Over the last two and a half decades of the study, teal abundance tripled, hunting mortality probability increased slightly (), and natural mortality probability increased substantially () at greater population densities. We demonstrate strong density‐dependent effects on natural mortality and fecundity as population density increased, indicative of compensatory harvest mortality and compensatory natality. Critically, an analysis that only assessed the relationship between survival and hunting mortality would spuriously indicate depensatory mortality due to multicollinearity between abundance, natural mortality and hunting mortality. Our findings demonstrate that models that only consider the direct effect of hunting on survival or natural mortality can fail to accurately assess the mechanistic impact of hunting on population dynamics due to multicollinearity among demographic drivers. This multicollinearity limits inference and may have strong impacts on applied management actions globally.
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 | 0,001 | 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 | 0,001 |
| 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 ».