No silver bullet? Snow leopard prey selection in Mt. Kangchenjunga, Nepal
Notice bibliographique
Résumé
In this study, we investigated the impact of domestic and wild prey availability on snow leopard prey preference in the Kangchenjunga Conservation Area of eastern Nepal—a region where small domestic livestock are absent and small wild ungulate prey is present. We took a comprehensive approach that combined fecal genetic sampling, macro- and microscopic analyses of snow leopard diets, and direct observation of blue sheep and livestock in the KCA. Out of the collected 88 putative snow leopard scat samples from 140 transects (290 km) in 27 (4 × 4 km2) sampling grid cells, 73 (83%) were confirmed to be from snow leopard. The genetic analysis accounted for 19 individual snow leopards (10 males and 9 females), with a mean population size estimate of 24 (95% CI: 19–29) and an average density of 3.9 snow leopards/100 km2 within 609 km2. The total available prey biomass of blue sheep and yak was estimated at 355,236 kg (505 kg yak/km2 and 78 kg blue sheep/km2). From the available prey biomass, we estimated snow leopards consumed 7% annually, which comprised wild prey (49%), domestic livestock (45%), and 6% unidentified items. The estimated 47,736 kg blue sheep biomass gives a snow leopard-to-blue sheep ratio of 1:59 on a weight basis. The high preference for snow leopards to domestic livestock appears to be influenced by a much smaller available biomass of wild prey than in other regions of Nepal (e.g., 78 kg/km2 in the KCA compared with a range of 200–300 kg/km2 in other regions of Nepal). Along with livestock insurance scheme improvement, there needs to be a focus on improved livestock guarding, and predator-proof corrals as well as engaging and educating local people to be citizen scientists on the importance of snow leopard conservation, involving them in long-term monitoring programs and promotion of ecotourism.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,525 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».