Influence of ecotourism on grizzly bear activity depends on salmon abundance in the Atnarko River corridor, Nuxalk Territory
Notice bibliographique
Résumé
Abstract Ecotourism management can draw on theory and data related to non‐consumptive effects of risk on wildlife. The asset protection principle (APP) predicts that variable food supply and its associated risks will affect antipredator behavior; responses to predation risk should dominate when food reserves are high, while nutritional risk becomes more important when food reserves are limited. Additionally, the human shield hypothesis (HSH) describes how some individuals might seek human presence if it repels potential sources of risk. Using camera traps, we used generalized linear mixed effects and multinomial regression models to test components of the APP and HSH where ecotourism co‐occurs with grizzly bear ( Ursus arctos ) foraging during hyperphagia. When salmon abundance was high (+1 SD), bear activity (weekly detections) decreased by 13% with every 100 visitors/week. Under low salmon conditions, bear activity increased with visitor numbers, creating ‘high bear‐high visitor’ conditions. Consistent with HSH, detection data revealed an increased likelihood of detecting subordinate age‐sex classes compared with adult males when visitor numbers were high. Our findings suggest that when salmon are low, managers might consider limiting visitors to mitigate disturbance. More broadly, understanding how wildlife allocate anti‐predator behavior as a function of risk and food can inform conservation science and practice.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».