Predicting potential distributions of large carnivores in Kenya: An occupancy study to guide conservation
Notice bibliographique
Résumé
Aim: Species distribution maps are frequently the foundation upon which species-specific conservation strategies are developed, however, mapping species distribution is challenging, especially across large spatial extents. Our aim was to use a novel empirical approach to predict the national distribution for all six large carnivore species found in Kenya to guide conservation and management decisions by identifying knowledge and conservation gaps. Location: Kenya Methods: Data on carnivore presence and absence were collected through questionnaires and sightings-based surveys. These data were combined and analysed using single-season false-positive occupancy models, which account for imperfect detections and false positives. To inform conservation strategies, we used the occupancy outputs to make predictions for unsampled areas and create occupancy-based distribution maps, where ψ>0.50, to (1) quantify differences with IUCN Red List range maps, (2) quantify overlap with wildlife areas and (3) identify areas of high carnivore richness. Results: Large carnivore occupancy was associated with land conversion, habitat, and prey availability. Our results suggest that all six species are widely distributed across Kenya and reveal substantial differences in distribution maps compiled by the IUCN Red List. More specifically, our occupancy-based distribution maps predict a much larger distribution for African wild dog (5.09X), lion (4.77X), and leopard (1.46X), similar distribution for cheetah, and smaller distribution for spotted hyaena (0.84X) and striped hyaena (0.65X). For all large carnivores, the vast majority (~80%) of their predicted distribution falls outside wildlife areas and northern Kenya is predicted to have the highest large carnivore richness. Main conclusions: Our results are encouraging as large carnivores may be widely distributed across Kenya, in some cases potentially more so than previously acknowledged. However, much of this range lies outside wildlife areas and represents areas of concern both for conservation and human livelihoods illustrating the challenges of conserving large carnivores across their 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 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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».