Balancing boundaries: elephant movements in the changing landscape around Murchison Falls National Park, Uganda
Notice bibliographique
Résumé
We examine elephant movement and human–elephant conflict around Murchison Falls National Park (MFNP) in northern Uganda, a landscape shaped by agricultural expansion, displacement, and ongoing land conflict. Elephant movements beyond the Park's boundaries are still poorly understood. Between 2019 and 2022, we collected data through GPS collaring (n = 5), ground observations, and crop-raiding surveys. Collared elephants favoured areas near water, tree cover, and lower elevations, with use of human-occupied areas ranging from 0–24%. Outside MFNP, they sheltered near refuge sites during the day and raided farms at night. Raiding typically targeted mid-growth crops with a median of 30% damage per affected farm. Calves were present in approximately 20% of raids, and some groups exceeded 30 individuals. Only 9% of farmers used deterrents beyond reactive chasing. Snaring injuries were recorded in 32% of observed elephants, indicating persistent poaching pressure. Unresolved land tenure, community distrust, and evictions further complicate elephant management outside the Park. We recommend prioritizing elephant protection inside MFNP by strengthening anti-snaring operations. Outside the Park, boudary communities require training for coordinated night-guarding and locally suitable low-cost deterrents. A feasibility study, in consultation with affected farmers, shoudl assess limited fencing on community lands while retaining a central corridor linking MFNP to areas further north.
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 | 0,002 | 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 | 0,001 | 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) | 0,001 | 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 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 ».