Grey wolves (Canis lupus) shift selection of anthropogenic landscape features following predator control in the Nearctic boreal forest
Notice bibliographique
Résumé
Conserving endangered species sometimes involves killing their predators. In the case of Nearctic wolves ( Canis lupus ), rarely are lethal control measures examined for ancillary effects on predator behaviour or community responses in a before-after design. We examined wolf relative abundance and spatial distribution in a northwestern boreal forest landscape for three years before and after the onset of wolf culling intended to conserve threatened woodland caribou ( Rangifer tarandus caribou ). We hypothesized that wolf occurrence would increase with density of anthropogenic features created by landscape development before the cull, but that wolves would avoid anthropogenic features after the cull due to associated mortality risk. We used generalized linear models in an information-theoretic framework to weigh evidence for our hypotheses. Post-control, independent wolf detections decreased to 24 % of pre-cull numbers, but wolves maintained 75 % of their distribution. Pre-control, wolves were positively associated with linear features, presumably for hunting efficiency, but post-cull wolves were negatively associated with these features. Thus, wolf control caused not only a numerical reduction of wolf numbers, but also a functional change in wolf behaviour that could further reduce predation pressure on caribou. However, post cull wolf occurrence was more strongly associated with anthropogenic block features which provide forage for alternate prey, potentially subsidizing their fast recovery. Conservation actions involving predator mortality alter landscape-scale distributions and behaviors of surviving predators, with potential indirect effects for the mammal community.
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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».