Climate change, wildfire, and past forest management challenge conservation of Canada lynx in Washington, USA
Notice bibliographique
Résumé
Abstract The synergistic effects of climate change, wildfires, fire suppression, and past forest management are challenging efforts to protect and recover Canada lynx (Lynx canadensis) in the North Cascades of Washington, USA. Canada lynx is a threatened species in the United States and a focal species used to gain insights into the structure and function of boreal forest ecosystems. To understand how multiple stressors are influencing lynx populations and the boreal forest in Washington, we developed a spatially explicit carrying capacity model in HexSim using local data on lynx resource selection and life history. We used this model to estimate changes in carrying capacity and population persistence for 3 time steps: year 2000, which represented limited historical wildfire and aggressive fire suppression; year 2013, after nearly 2,000 km2 of wildfires burned about 17% of lynx habitat; and year 2020, after an additional 2,000 km2 of wildfires burned another 15% of lynx habitat in our study area. Fires altered habitat distribution and landscape capacity to support Canada lynx. There was a 66–73% reduction in lynx carrying capacity in our study area because of large, high‐severity fires that have occurred from 2000–2020, despite aggressive fire suppression. This reduction in carrying capacity was concurrent with decreases in the probability of lynx persistence from year 2000 to year 2020 simulations and was most pronounced for simulations that included no immigration and the largest home range size. The negative synergistic influences of long‐term fire suppression, timber harvest, increased drought, longer wildfire seasons, declining mountain snowpack, and increasingly frequent large fires pose considerable challenges to the conservation and recovery of Canada lynx and the boreal forest ecosystem upon which they depend. We discuss an alternative approach to vegetation and fire management to conserve and restore lynx habitat and populations in Washington.
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».