MétaCan
Menu
Retour à la cohorte
Enregistrement W4408959925 · doi:10.1002/inc3.70008

Lessons for Transboundary Snow Leopard Conservation: Findings From a GPS Telemetry Study in Kangchenjunga Conservation Area, Nepal

2025· article· en· W4408959925 sur OpenAlexaff
Samundra Ambuhang Subba, Hem Raj Acharya, Sheren Shrestha, Saroj Koirala, Rinjan Shrestha, Gokarna Jung Thapa, Kamal Thapa, Anil Shrestha, Sabita Malla, Gopal Prakash Bhattarai, Laxman Prasad Poudyal, Man Bahadur Khadka, Ghana S. Gurung, Shiv Raj Bhatta, Maheshwar Dhakal, Naresh Subedi, Narendra Man Babu Pradhan, Ananta Ram Bhandari, Shant Raj Jnawali, Bed Kumar Dhakal, Kanchan Thapa

Notice bibliographique

RevueIntegrative Conservation · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensWorld Wildlife Fund Canada
Organismes subventionnairesnon disponible
Mots-clésSnow leopardGlobal Positioning SystemGeographyTelemetryNature ConservationProtected areaFisheryEnvironmental scienceRemote sensingEnvironmental resource managementEcologyEngineeringHabitatBiologyTelecommunications

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Ensuring the long‐term persistence of snow leopards ( Panthera uncia ) in changing landscapes requires a deep understanding of their spatial ecology and movement behavior. To maintain viable metapopulations and ensure gene flow between populations, there is an urgent need to develop sound and effective conservation plans. This study presents findings from Nepal's first GPS telemetry study of snow leopards, shedding light on their home range size, habitat selection, and transboundary movements. GPS data were collected from four snow leopard individuals in the Kangchenjunga Conservation Area, eastern Nepal, over tracking periods ranging from 20 to 659 days, yielding a total of 4707 location points. We used three home range estimators for analysis: local convex hulls (LoCoH), fixed kernels (Kernel), and minimum convex polygons (MCP). Our results show that home range sizes were 6 to 97 times larger than previous estimates for Nepal, with LoCoH estimates of 310 and 102 km 2 (MCP = 730 and 211 km 2 ) for two adult females and 312 km 2 (MCP = 1032 km 2 ) for one adult male. Three snow leopards crossed international borders five to seven times, spending, on average, 10%–34% of their time in neighboring countries (China and India), with 28%–50% of their home ranges overlapping India. Our study demonstrates that snow leopards in Nepal have home ranges that are significantly larger than previously documented and frequently cross international borders. These extensive transboundary movements highlight the need for stronger coordination between Nepal, China, and India to ensure the long‐term conservation of snow leopards in this key region of their distributional range.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,047
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,030
Tête enseignante GPT0,295
Écart entre enseignants0,265 · 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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIntegrative ConservationMême sujetWildlife Ecology and ConservationTravaux en français237 207