Effectiveness of Citizen Engagement in a State Agency Egg-Oiling Program to Reduce Urban Canada Goose Populations and Conflicts
Notice bibliographique
Résumé
In many cases, urban environments create high-quality habitat for wildlife that may allow species to form commensal relationships with humans. Positive impacts of urban environments (e.g., high-quality nesting habitat) may enhance survival and/or increased fecundity. One species that has shown the ability to form commensal relationships with humans in urban environments is Canada geese (Branta canadensis). Canada goose populations have continued to rebound in Kansas, USA, and across the Great Plains, such that the estimated resident population in Wichita, Kansas, grew from 0 to >5,000 resident geese and the over-winter population increased from 1,600 in 1997 to >18,000 by 2003. Due to the increase in the urban Canada goose population, the number of complaints concerning geese has steadily increased through time. In response to complaints, the Kansas Department of Wildlife and Parks implemented an egg-oiling program in 2002, to assist in reducing the resident goose population. Previous studies have suggested effective goose population control programs must include reducing adult survival through efforts such as hunting and that egg-oiling programs alone may not be successful in reducing urban Canada geese populations. We examined the effects of a citizen-involved egg-oiling program from 2002 to 2020 to reduce the resident Canada goose population in Wichita, Kansas. We assumed every female Canada goose survived to age 20 and using survival estimates from the literature for different life stages, we developed program impact models to demonstrate effectiveness of the Kansas Special Canada Goose Permit program. We estimated a mean 128,676 (range: 89,749–167,663) potential adult, resident geese being removed from the population in the Wichita, Kansas, area from 2003 projected out to 2040. Our results suggested that egg-oiling programs conducted at large spatial and temporal scales and at low cost by citizens may limit population growth of urban geese.
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 | 0,001 |
| 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 ».