Relative efficiency of hunting methods during an incomplete Sitka black‐tailed deer eradication on Haida Gwaii, Canada
Notice bibliographique
Résumé
Abstract Invasive species are reducing global biodiversity. The Llgaay gwii sdiihlda—Restoring Balance project was initiated to halt and reverse biodiversity loss on six islands on Haida Gwaii, Canada through the eradication of invasive Sitka Black‐tailed deer ( Odocoileus hemionus sitkensis ). Invasive deer were killed using various hunting methods including bait station, boat, aerial and indicator dog hunting as well as a combination of bailing dogs with boat and aerial hunting. Cost was quantified in terms of helicopter hunting hours ($1965 CAD/hr at the time of the study) to facilitate comparisons. Efficiency was quantified as the expected number of deer per helicopter hour. Hierarchical Bayesian integrated removal models were used to estimate the change in efficiency of the various hunting methods with deer density based on a power function. The models used the number of scent trail detections by dogs at the end of the study to help parameterise the population density. At densities between 2 and 30 deer/km 2 , boat hunting was estimated as the most efficient method while at lower densities indicator dog hunting was most efficient. The eradication was incomplete. The estimated cost to completion using indicator dog hunting for each island was 43 helicopter hours (~$84,000) on Ramsay Island (95% CI = 19–128), 3.9 helicopter hours on Murchison Island (95% CI = 0.56–18) and no additional hours on House (95% CI = 0–1.6) though the selected method would likely have been indicator dogs with combined hunting due to the variable terrain. Lessons learned: DNA connectivity analysis can be used to determine project durability, pilot studies to confirm method efficiency in local context will increase the chances of success, local knowledge improves efficiency of hunting methods, population and efficiency estimates should be updated throughout operations to allow adaptive management, eradications on ungulates can include pauses to facilitate adaptive management, the level of certainty for determining eradication completion should be determined in advance of operations with explicit trade‐offs identified for managers.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».