Elk and Deer Habituate to Stationary Deterrents in an Agricultural Landscape
Notice bibliographique
Résumé
ABSTRACT Deterrents that are designed to emulate humans or natural predators are increasingly applied to manage the behaviors and distribution of conflict‐prone species, but the efficacy of these tools is frequently challenged by the process of habituation. In this study, we investigated the responses of Roosevelt elk ( Cervus canadensis roosevelti ) and black‐tailed deer ( Odocoileus hemionus columbianus ) to playbacks of unimodal (acoustic) and multimodal (acoustic and visual) stimuli on crop fields in the Cowichan Valley, British Columbia, Canada. We contrasted behavioral responses to acoustic recordings of (i) human voices (shouting and talking), (ii) natural predator vocalizations (wolf and cougar), (iii) dog barks, and (iv) local bird vocalizations (control) and tested the effect of flashing LED lights using alternating audio‐light and audio‐only treatments at the same sites over two 3‐week periods. We found that multimodal stimuli increased the likelihood of fleeing by 4.7 in elk and 1.8 in deer but did not affect the time spent in alert postures. Among acoustic treatments, playbacks of human shouts tended to elicit greater flight responses than humans talking, natural predators, dogs, and bird sounds. Both species showed evidence of habituation to the deterrents as the 6‐week experiment progressed, but elk responses declined more rapidly than deer, and rates of habituation for both species were slower when deterrents included flashing lights. For deer, alert responses declined more rapidly at sites surrounded by more houses and closer to highways. Together, our results indicate that recordings of humans shouting provided the most salient acoustic deterrent for these ungulates and that acoustic deterrents were enhanced with lights, but habituation to our stationary deterrents occurred rapidly, especially in proximity to human activity.
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 | 0,000 | 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) | 0,001 | 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 ».