Human disturbance in riparian areas disrupts predator–prey interactions between grizzly bears and salmon
Notice bibliographique
Résumé
Abstract Wildlife must increasingly balance trade‐offs between the need to access important foods and the mortality risks associated with human‐dominated landscapes. Human disturbance can profoundly influence wildlife behavior, but managers know little about the relationship between disturbance–behavior dynamics and associated consequences for foraging. We address this gap by empirically investigating the consequences of human activity on a keystone predator–prey interaction in a region with limited but varied industrial disturbance. Using stable isotope data from 226 hair samples of grizzly bears (Ursus arctos horribilis) collected from 1995 to 2014 across 22 salmon‐bearing watersheds (88,000 km2) in British Columbia, Canada, we examined how human activity influenced their consumption of spawning salmon (Oncorhynchus spp.), a fitness‐related food. Accounting for the abundance of salmon and other foods, salmon consumption strongly decreased (up to 59% for females) with increasing human disturbance (as measured by the human footprint index) in riparian zones of salmon‐bearing rivers. Declines in salmon consumption occurred with disturbance even in watersheds with low footprints. In a region currently among the least influenced by industrial activity, intensification of disturbance in river valleys is predicted to increasingly decouple bears from salmon, possibly driving associated reductions in population productivity and provisioning of salmon nutrients to terrestrial ecosystems. Accordingly, we draw on our results to make landscape‐scale and access‐related management recommendations beyond current streamside protection buffers. This work illustrates the interaction between habitat modification and food security for wildlife, highlighting the potential for unacknowledged interactions and cumulative effects in increasingly modified landscapes.
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 | 0,000 | 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 | 0,001 | 0,001 |
| 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 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 ».