Cascading effects of humans, through wolves, in a multiple land use ecosystem
Notice bibliographique
Résumé
Wolves (Canis lupus) have strong influences in terrestrial food webs through predation. Depending on the land use type (e.g. ranching, forestry, oil and gas), humans influence wolf density and distribution. We tested whether human activities affect predator-prey interactions and herbivory in a food chain in Southwest Alberta, Canada. We estimated human distribution using digital camera traps (n = 55). We obtained Global Positioning System telemetry data from wolves (n = 16), elk (n = 110) and cattle (n = 31). We calculated resource Selection Functions using Generalized Linear mixed models (GLmms) to test the spatial relationship between humans, wolves, elk (Cervus elaphus) and cattle and vegetation utilization (n= 148 plots) on the landscape. We found that while elk exhibited anti-predator behavior in response to wolf presence (i.e., drops in distance to cover, z=7.082, P<0.001, and in food quality of habitat used, z=4.454, P<0.001), cattle did not. Anti-predator response by elk confirms wolves can exert ecosystem effects through predation. by directly influenc- ing wolf density and distribution, humans may indirectly influence herbivory patterns of ungulates and ultimately, vegetation utilization. Such effects may be different depending on the land use activity. Poor anti-predator responses suggest that cattle are vulnerable to wolf predation and ensuing ecosystem effects are likely different compared to wild ungulates. Furthermore, predation on domestic cattle elicits intolerance by humans, generating a nega- tive feedback that maintains wolves at low densities
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».