Effect of drought on wildlife activity at artificial waterholes
Notice bibliographique
Résumé
Across southern Africa artificial waterholes have been introduced into many national parks to reduce the pressure of water scarcity on animals during drought. However, their introduction can shift ecological dynamics, and many artificial waterholes are now being removed. As global temperatures rise, droughts are predicted to become more frequent and more severe. Whether to retain or remove artificial waterholes thus presents a management dilemma. Here, we examine the effect of an extreme drought on artificial waterhole use in the Kruger National Park, South Africa. Comparing camera trap data collected during a one-in-twenty year drought with observation from a non-drought year, we quantify shifts in waterhole visitation patterns between years. The majority of the species show differences in waterhole use between drought and non-drought years. Species showing the largest temporal shifts include kudu and white rhinoceros, whereas elephants and warthogs show little change between years. Temporal overlaps between species pairs were also highly shifted, with the majority of species overlapping more in drought years, although some (e.g. buffalo and impala) show the opposite trend. Asynchronous shifts in species daily activity cycle may have cascading impacts on interspecific competition, predator-prey interactions, and multi-host disease dynamics. Our study illustrates how the interaction between drought and management choices to mitigate impacts of climate change may have complex and unforeseen ecological consequences. We show that, during drought, artificial waterholes are visited more frequently, likely increasing the frequency of interspecific interactions, including between ungulate herbivores and their predators, and elevating risk of disease spillover.
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 | 0,000 | 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) | 0,000 | 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 ».