MétaCan
Menu
Retour à la cohorte
Enregistrement W4400506491 · doi:10.7717/peerj.17693

Predator in proximity: how does a large carnivore respond to anthropogenic pressures at fine-scales? Implications for interface area management

2024· article· en· W4400506491 sur OpenAlexaff
Manu Mohan, Sambandam Sathyakumar, Ramesh Krishnamurthy

Notice bibliographique

RevuePeerJ · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCarnivoreFragmentation (computing)HabitatHabitat destructionHabitat fragmentationGeographyEcologyPredatorEnvironmental resource managementPredationEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

Background Driven by habitat loss and fragmentation, large carnivores are increasingly navigating human-dominated landscapes, where their activity is restricted and their behaviour altered. This movement, however, raises significant concerns and costs for people living nearby. While intricately linked, studies often isolate human and carnivore impacts, hindering effective management efforts. Hence, in this study, we brought these two into a common framework, focusing on an interface area between the critical tiger habitat and the human-dominated multiple-use buffer area of a central Indian protected area. Methods We employed a fine-scale camera trap survey complemented by GPS-collar movement data to understand spatio-temporal activity patterns and adjustments of tigers in response to anthropogenic pressures. We used an occupancy framework to evaluate space use, Bayesian circular GLMs to model temporal activity, and home range and step length analyses to assess the movement patterns of tigers. Further, we used predation-risk models to understand conflict patterns as a function of tiger presence and other habitat variables. Results Despite disturbance, a high proportion of the sampled area was occupied by 17 unique tigers (ψ = 0.76; CI [0.73–0.92]). The distance to villages (β ± SE = 0.63 ± 0.21) and the relative abundance of large-bodied wild prey (β ± SE = 0.72 ± 0.37) emerged as key predictors of tiger space use probability, indicating a preference for wild prey by tigers, while human influences constrained their habitat utilisation. Distance to villages was also identified as the most significant predictor of the tigers’ temporal activity (μ ± σ = 3.03 ± 0.06 rad) that exhibited higher nocturnality near villages. A total of 11% of tiger home ranges were within village boundaries, accompanied by faster movement in these areas (displacement 40–82% higher). Livestock depredation probability by tigers increased with proximity to villages (P = 0.002) and highway (P = 0.003). Although tiger space use probability (P = 0.056) and wild prey abundance (P = 0.134) were non-significant at the 0.05 threshold, their presence in the best-fit predation-risk model suggests their contextual relevance for understanding conflict risk. The results highlight the importance of appropriately managing livestock near human infrastructures to effectively mitigate conflict. Conclusions Shared space of carnivores and humans requires dynamic site-specific actions grounded in evidence-based decision-making. This study emphasises the importance of concurrently addressing the intricate interactions between humans and large carnivores, particularly the latter’s behavioural adaptations and role in conflict dynamics. Such an integrated approach is essential to unravel cause-effect relationships and promote effective interface management in human-dominated 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,277
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePeerJMême sujetWildlife Ecology and ConservationTravaux en français237 207