Modificar las prácticas de muchos ganaderos y el comportamiento individual de muchos carnívoros parece poco práctico en regiones que contienen multitud de carnívoros y fincas. Un enfoque más eficiente sería anticipar las localizaciones de los conflictos entre los carnívoros y los humanos y focalizar las intervenciones en este conjunto más pequeño de áreas. En este estudio se desarrolló un modelo regional para predecir lugares de conflicto entre humanos y carnívoros en relación a características del paisaje tales como el uso del terreno y los tipos de vegetación. Los autores basaron su modelo en localizaciones de antiguos ataques a ganado por parte del lobo (Canis lupus). Los autores predijeron que la proximidad a humedales y bosques elevaría el riesgo de depredación de lobos sobre el ganado y que se  produciría un menor riesgo cerca de redes densas de carreteras y poblaciones humanas, entre otras consideraciones.

El trabajo fue publicado en la revista Conservation Biology en 2004. El «Factor de Impacto» es un indicador bibliométrico usado para medir la calidad de una revista en función del promedio de citas que reciben los artículos publicados en un período de dos años. Actualmente es el indicador más utilizado a nivel mundial en los procesos de evaluación de revistas. En el año 2015  (aún no están disponibles los datos para el año 2016 ni para 2017), la revista Conservation Biology tuvo un «Factor de Impacto» de 4,267. La siguiente tabla muestra la clasificación de la revista en su categoría temática en función de este parámetro en el año 2015 (Journal Citation Reports, 2017).

Categoría de la revista	Total de revistas	Posición de la revista	Cuartil
Conservación de la Biodiversidad	49	6	Q1
Ecología	150	23	Q1
Ciencias medioambientales	225	25	Q1

Los autores y otros datos del artículo:

Treves, A., L. Naughton-Treves, E. K. Harper, D. J. Mladenoff, R. A. Rose, T. A. Sickley and A. P. Wydeven (2004). «Predicting human-carnivore conflict: a spatial model derived from 25 years of data on wolf predation on livestock.» Conservation Biology 18 (1): 114-125.

METODOLOGÍA

Para identificar las características del paisaje asociadas con antiguos lugares de ataques de lobos al ganado, los autores combinaron tres conjuntos de datos espaciales de Wisconsin y Minnesota: (1) el área de distribución del lobo de 1998 (163 676 km²); (2) localizaciones de 975 sitios verificados de depredación de lobos sobre el ganado durante los últimos 25 años, y (3) el censo y los datos de cobertura del terreno de detección remota.

Las variables del paisaje incluyeron: (1) datos del censo agropecuario a escala de condado-tamaño promedio de la granja en kilómetros cuadrados, densidad de ganado vacuno, lechería y ganado no especificado como cabeza por kilómetro cuadrado (U.S. Department of Agriculture, 1997); (2) clasificación de la cobertura del terreno a una resolución de 30 m (National Land Cover Data [NLCD] 1992/1993 classified Landsat TM data: Vogelmann et al., 2001), expresada como porcentaje de bosque caducifolio, bosque de coníferas, bosque mixto, maleza (pastizales, arbustos y zonas de transición), cultivos (cultivos en hilera y campos de heno), humedales boscosos, humedales emergentes, tierras inutilizables (áreas residenciales, comerciales, urbanas y herbáceas) y aguas abiertas (estanques y lagos); (3) densidad de población en habitantes por kilómetro cuadrado por grupo de censo de bloques para Wisconsin o división civil menor de censo para Minnesota (U.S. Census Bureau TIGER/line files, 1992); 4) densidad de ciervos de cola blanca (Odocoileus virginianus) como cabezas por kilómetro cuadrado a una resolución de las unidades de gestión (1136 km²) en Wisconsin (WDNR, 1999), o zonas de permiso (1707 km²) en Minnesota (MDNR 2001); y (5) densidad de carreteras en km por kilómetro cuadrado (U.S. Census Bureau TIGER/line files, 1992).

Los autores compararon los municipios afectados con municipios aleatoriamente seleccionados, contiguos y no afectados. En esta región, los municipios fueron estudiados y mapeados en una cuadrícula rectangular (grid), visible en los atlas de carreteras comercialmente disponibles. Los municipios también fueron útiles porque representaron el 50-60% del territorio de una manada de lobos (estimaciones promedio de invierno excluyendo incursiones individuales > 5 km de las áreas centrales: Wisconsin = 137 km², rango 47-287; Minnesota = 180 km², rango 64-512; Wydeven et al., 1995; Berg y Benson, 1999; Wydeven et al., 2002); por lo tanto, los municipios vecinos podrían ser abarcados por una sola manada de lobos. Compararon los municipios afectados y los aleatoriamente seleccionados no afectados bajo el supuesto de que los lobos tuvieron igual acceso a cualquiera de los municipios.

Para recopilar las características del paisaje a una escala más fina, también se realizó trabajo de campo alrededor de las fincas afectadas. Dos equipos de observadores visitaron un subconjunto de fincas afectadas (22 en Wisconsin y 41 en Minnesota) e identificaron a un vecino cercano, no afectado, con una operación similar (por ejemplo, ambos produciendo ganado para carne). Tomaron localizaciones con sistemas de posicionamiento global (GPS) en cada una de las 126 propiedades y entrevistaron a los ganaderos sobre la cría (Mech et al., 2000). La distancia media entre las fincas emparejadas en Wisconsin fue de 5,6 km (rango 0,1-12,0 km), y en Minnesota fue de 3,2 km (rango 0,1-15,6 km). Para el análisis, se definió la vecindad de cada finca como la sección en la que estaba situada a más 0,8 km por cada lado (10,24 km²).

Las variables identificadas como importantes a nivel de municipio se utilizaron en el análisis a nivel de finca porque se tuvo una muestra más grande de municipios afectados (n = 252) que de fincas afectadas (n = 63). Además, los datos del sistema de información geográfica fueron más variables en los municipios que en las fincas vecinas, reduciendo el poder de las pruebas para discriminar entre las fincas afectadas y no afectadas. Por último, los municipios fueron unidades fijas visibles en los atlas estatales, lo que hizo que los resultados del modelo (mapas) pudiesen ser utilizados en el campo por cualquier interesado (Turner et al., 1995).

Después de procesar los datos estadísticamente, los autores utilizaron los resultados de los análisis del municipio para generar dos mapas predictivos. Los mapas tuvieron como finalidad pronosticar la futura depredación de lobos sobre el ganado. Para generar los mapas, extrapolaron de los 252 municipios afectados al total de los municipios en los estados de Wisconsin y Minnesota. Asumieron que las características del paisaje y las interacciones lobo-ganado no cambiarían con el tiempo. También asumieron que los resultados pareados se tradujeron en una estimación lineal del riesgo relativo que pudo aplicarse a través de los municipios.

El primer mapa mostró el riesgo de la depredación del lobo sobre el ganado en el caso de que los lobos ocupasen cualquier municipio. El segundo mapa, más conservador, asignó una probabilidad de ocupación del lobo a cada municipio. Esta probabilidad se basó en la densidad de carreteras.

RESULTADOS

Nivel de riesgo de los municipios

A nivel de municipios, seis variables del paisaje diferenciaron significativamente a los municipios no afectados en las pruebas univariantes. Los autores dividieron aleatoriamente los datos de municipios en dos mitades iguales y utilizaron la primera mitad para calcular la combinación lineal de las seis variables que mejor discriminaron los municipios afectados de los no afectados. Esta combinación lineal (Ec. 3) distinguió al 73,8% de los municipios afectados de los que no:

R = 0,63 pasto/heno + 0,22 densidad de ciervos- (0,10 coníferas + 0,29 cultivos +0,12 humedales emergentes + 0,14 de agua abierta).

Cuando se aplicó a la segunda mitad del conjunto de datos, la ecuación 3 discriminó correctamente el 76,5% de los municipios afectados. Los municipios afectados contuvieron mayores cantidades de pastos y número de ciervos con menor cantidad de bosques de coníferas, tierras de cultivo, humedales herbáceos y aguas abiertas que los municipios no afectados. La validez de la ecuación 3 fue reforzada por el hallazgo de que Wisconsin y Minnesota mostraron patrones concordantes a pesar de los tamaños de muestra dispares y los tamaños de población de lobo. Los municipios afectados de Wisconsin fueron significativamente discriminados de los no afectados (86% de discriminación). Lo mismo se observó para los municipios afectados de Minnesota (70,0% discriminados). Finalmente, los 25 municipios dejados de lado antes del análisis tuvieron un valor promedio de la Ec. 3 de 0,08, que cayó más cerca de los municipios afectados que de los municipios no afectados (promedio afectado = 0,16, promedio no afectado = -0,16). En particular, los 25 municipios retirados tuvieron significativamente más pastizales que los municipios promedio no afectados y no difirieron significativamente de los municipios afectados en ninguna de las variables relevantes de la Ec. 3.

El tamaño del efecto o la diferencia real entre los municipios afectados y no afectados no pudo juzgarse a partir de los medios globales presentados. En lugar de ello, hubo que considerar las diferencias promedio entre parejas, lo que mostró que los municipios afectados tuvieron 34,5% más de pasto promedio, 63,7% de aguas abiertas, un 16,1% menos de bosque de coníferas, un 7,4% más de tierras de cultivo, un 0,2% más de humedales emergentes y un 3,4% más de ciervos (equivalente a 13 ciervos más por municipio). Ciertas variables del paisaje (por ejemplo, cultivos, humedales emergentes) mostraron una asociación positiva en ensayos univariantes, pero su contribución eventual al modelo fue negativa (Ec. 3). Esta aparente contradicción se resolvió mediante el análisis de la función discriminante, que identificó los efectos residuales de las tierras de cultivo y los humedales emergentes una vez que el efecto muy fuerte de los pastos se controló estadísticamente. En otras palabras, las tierras cultivadas no proporcionaron información adicional cuando los municipios afectados tuvieron más pastizales que sus vecinos no afectados, pero el resto de los municipios afectados tuvieron menos pastizales y menos tierras de cultivo que sus vecinos no afectados. Estas condiciones podrían describir las operaciones ganaderas en áreas más salvajes, en comparación con áreas de alto uso agrícola. Los municipios con menos pastos y menos tierras de cultivo fueron menos transformados por los seres humanos que sus vecinos, aumentando aparentemente su riesgo de depredación de lobos en el ganado.

Riesgo a nivel de finca

Las 44 fincas de Wisconsin tuvieron un promedio de 1,36 km² de área (SD 1,73, rango 0,13-8,44), con un promedio de 86 cabezas de ganado vacunas (SD 81, rango 6-400). Las 82 fincas de Minnesota variaron de 2,9 a 4,9 km², con 82-158 cabezas. Los valores de los dos estados no fueron directamente comparables debido a que los ganaderos de Wisconsin informaron de su superficie de pastos, mientras que los de Minnesota reportaron terrenos totales. Las fincas afectadas en Wisconsin tuvieron extensiones de tierra significativamente más grandes y rebaños más grandes que sus vecinos no afectados. La misma asociación con el tamaño del rebaño ocurrió entre las fincas de Minnesota (Mech et al., 2000). Debido a las diferencias en los métodos utilizados por los dos equipos independientes, no se analizó el tamaño de la finca o el tamaño del rebaño junto con otras variables del paisaje.

Los autores usaron las seis variables del paisaje que distinguieron a los municipios afectados (Ec. 3) y añadieron una variable adicional (densidad de caminos) que fue significativa en ensayos univariantes. Con estas siete variables del paisaje, el riesgo de depredación de lobos sobre el ganado a escala de fincas fue estimado de la siguiente manera:

Rf = 0,10 coníferas + 0,13 agua abierta + 0,13 densidad de ciervos – (0,16 pasto/heno + 0,58 cultivos +0,13 humedales emergentes + 0,41 densidad de carreteras). (4)

La ecuación 4 distinguió el 71,4% de las fincas afectadas a lo largo de los dos estados. Por otro lado, la ecuación 4 no predijo el riesgo para las fincas en Wisconsin (68,2% 0,3). Pero en las de Minnesota tuvo un efecto abrumador (Minnesota 73,2%). Por otro lado, la ecuación 4 no predijo el riesgo para las fincas de Wisconsin ((68,2%). Para Wisconsin, las pruebas univariantes que identificaron las tierras de cultivo, la densidad de carreteras y el tamaño del rebaño fueron más informativas que el análisis de función discriminante. Para Minnesota, los tamaños del efecto fueron los siguientes: humedales emergentes 36%, tierras de cultivo 30%, agua abierta 26%, carreteras 12%, bosque de coníferas 10%, pasto 8% y ciervos 0,1%.

Mapas de riesgo

El primer mapa estatal estimó el riesgo para cada municipio en Wisconsin y Minnesota, asumiendo que los lobos podían ocupar cualquier municipio. Wisconsin pareció enfrentarse a un mayor riesgo relativo que Minnesota porque Wisconsin contuvo 296 de 1809 (16,4%) municipios clasificados como azul o verde (riesgo más bajo), mientras que Minnesota contuvo 1175 de 2531 (46,4%) de esos municipios. El inverso se llevó a cabo entre las clases de naranja y rojo (32,8% de los municipios de Wisconsin en comparación con el 13,8% de Minnesota).

Los municipios rojos y anaranjados se concentraron alrededor de los límites meridionales del área de distribución del lobo 1998 para Minnesota pero fueron particularmente densos en el sudoeste Wisconsin y partes de Wisconsin central y del este. Por el contrario, los municipios verdes y azules dentro de la población de lobos de 1998 abarcaron el norte de Minnesota y porciones del norte de Wisconsin.

Cuando los autores incorporaron la densidad de carreteras para excluir a algunos municipios de la ocupación probable del lobo, el riesgo general de la depredación sobre el ganado cayó precipitadamente. En ambos estados, el 62,2% de los municipios enfrentaron el nivel de riesgo más bajo (azul), 9,2% fueron clasificados como verdes, 24,4% como amarillo, 3,8% como naranja y 0,3% como rojo. En el mapa resultante de la incorporación de la densidad de carreteras, los dos estados enfrentaron niveles predichos similares de riesgo de depredación de lobos sobre el ganado, en contraste con los hallazgos en el anterior mapa. Wisconsin contuvo 0,3% de rojo, 4,0% de naranja, 25,2% de amarillo, 6,5% de verde y 63,7% de municipios azules. Los valores de Minnesota fueron 0%, 3,7%, 23,9%, 11,2% y 61,2%, respectivamente. Sólo 11 municipios eran rojos, y todos estuvieron ubicados en Wisconsin.

INTERPRETACIÓN DE LOS DATOS SEGÚN LOS AUTORES

Los ataques de lobos contra el ganado en Wisconsin y Minnesota no fueron distribuidos al azar en el espacio. Más bien, los lobos se aprovecharon del ganado en los municipios compartiendo un conjunto consistente de características del paisaje en ambos estados, a pesar de las diferencias dramáticas en el tamaño de la población de los dos estados, las políticas de control del lobo y el tamaño de las fincas. Más del 70% de los municipios afectados mostraron una mezcla de hábitats modificados por humanos (aproximadamente el 25%) y hábitats no modificados (aproximadamente el 75%) con una densidad ligeramente superior de ciervos. Esto confirma los costos de conservación de grandes carnívoros en medio de mosaicos de vegetación humana modificada y natural.

El área de pastos se correlacionó fuerte y positivamente con el riesgo para el ganado, probablemente porque es un indicador de la densidad de ganado. Los lobos pueden seleccionar áreas con muchas cabezas de ganado (Mech et al., 2000). Alternativamente, los ciervos prefieren una mezcla de bosques y pastos (Mladenoff et al., 1997), de modo que los lobos que siguen a los ciervos encuentran el ganado incidentalmente. Esto es consistente con la conclusión de los autores de que los municipios afectados tuvieron altas densidades de ciervos. No pudieron evaluar ninguna de las explicaciones causales porque carecieron de datos del municipio sobre la densidad de ganado y ciervos. Además, las imágenes del Landsat no pudieron resolver el pasto del campo de heno. Los papeles de los pastos y los ciervos en la depredación de los lobos merecen mayor escrutinio.

Los bosques de coníferas, los humedales herbáceos y las aguas abiertas estuvieron asociados con un menor riesgo para el ganado en los municipios emparejados, pero las aguas abiertas y los bosques  de coníferas se asociaron con mayor riesgo en las fincas emparejadas. Las asociaciones positivas a una escala y las negativas en otra pudieron reflejar la realidad si, por ejemplo, los lobos alteran su comportamiento de viaje a una búsqueda más deliberada de presas a medida que se acercan a las fincas. Sin embargo, los autores confiaron menos en sus análisis agrícolas debido al menor tamaño de la muestra (n = 63) y la inconsistencia entre los dos estados. La densidad de carreteras, las tierras de cultivo y el tamaño del rebaño parecieron predictivos para ambos estados, pero se necesitaría una muestra más grande para determinar si otras variables fueron verdaderamente influyentes. La densidad de carreteras también merece mayor atención porque las fincas cercanas a muchas carreteras enfrentaron un riesgo sustancialmente menor, pero la densidad de carreteras del municipio no fue predictiva. El papel inconsistente de la densidad de carreteras puede reflejar su asociación variable con los pastos: la densidad de carreteras y el pasto se correlacionaron más fuertemente entre los municipios que entre las fincas.

Las conjeturas de prueba sobre los mecanismos causales subyacentes a las asociaciones observadas en este estudio requerirán datos conductuales y experimentales. Sin embargo, los autores consideraron que sus correlaciones fueron suficientes para guiar las intervenciones de los gestores de vida silvestre, ganaderos y otros grupos de interés.

Analizando el riesgo mediante mapas

Los dos mapas generados sirven para fines complementarios. Pueden ser vistos como escenarios alternativos. El primer mapa puede usarse para anticipar problemas si un municipio determinado está ocupado por lobos. Este mapa está libre de suposiciones acerca de dónde se encontrarán los lobos. Así, puede ayudar a los responsables de la formulación de políticas a definir zonas de riesgo relativas dentro y más allá del área de distribución de las poblaciones de lobos. Por el contrario, el segundo mapa ofrece una estimación más inmediata del riesgo relativo de la depredación de lobos sobre el ganado limitando la atención a aquellas áreas que probablemente contengan lobos (Wydeven et al., 2001). Puede utilizarse para anticipar los sitios de conflicto y para centrar los esfuerzos de difusión, disuasión y mitigación en el subconjunto de los municipios de mayor riesgo (aproximadamente el 25% del total).

Cada mapa tuvo una debilidad. El primero de ellos mostró el riesgo como generalizado y era probable que creciese en extensión en un futuro próximo. No fue útil para evaluar el alcance por aquel entonces del problema o para planificar el esfuerzo de gestión. Por el contrario, el segundo mapa pudo usarse para poner el problema de la depredación de lobos en el ganado en perspectiva estatal o regional en un futuro próximo porque se aproximó al rango de población de lobos observado. Pero este mapa se vio obstaculizado por su dependencia de la densidad de carreteras; esto puede generar una falsa sensación de confianza en un área determinada. Por ejemplo, este segundo mapa clasificó una serie de municipios en el noroeste de Minnesota en el borde, pero fuera del área de distribución de la población de lobos de 1998 en el riesgo más bajo (azul). Los errores de dicho mapa pudieron indicar que la densidad de carreteras no es un predictor perfecto de donde los lobos viajarán y tal vez encuentren ganado, sino de lobos que han establecido territorios (Wydeven et al., 2001). Se sabe que los ataques contra el ganado ocurren durante movimientos extraterritoriales (Fritts et al., 1985, Treves et al., 2002), y algunas áreas con alta densidad de carreteras no experimentan altos niveles de tráfico. Si los lobos algún día establecen territorios en áreas de mayor densidad de carreteras -como han predicho varios investigadores (Berg y Benson, 1999), entonces el primer mapa sustituirá al segundo en utilidad. De esta manera, los dos mapas son complementarios, y ninguno de los dos debe ser utilizado aisladamente del otro.

En conjunto, los mapas de riesgo sugirieron que una mayor propagación de lobos en cualquiera de los dos estados resultará en un aumento sustancial en las pérdidas de ganado debido a que muchos municipios rojos, naranjas y amarillos (de alto riesgo) se situaron de manera adyacente a los territorios de los lobos ocupados por aquel entonces. Por otra parte, si los lobos continúan estableciendo territorios como lo han hecho en los últimos 25 años (Wydeven et al., 2001), se prevé que los mismos municipios se enfrentarán a la depredación recurrente en el ganado. Las principales áreas donde los lobos establecerán nuevos territorios y depredarán sobre ganado serán en el noreste y tal vez en el suroeste de Wisconsin. El riesgo para el ganado en estas áreas será alto. Además, los municipios por aquel entonces libres de la depredación de lobos en el ganado no podrían mantenerse.

A modo de comprobación de los resultados, los mapas se pueden comparar con la distribución histórica de la depredación de los lobos sobre el ganado. Las expansiones de los municipios azules y verdes en el primer mapa se dieron donde hubo pocos o ningún caso verificado de depredación de lobos sobre el ganado. Este resultado no fue circular porque los municipios en cuestión no desempeñaron ninguna parte en el cálculo de la Ec. 3. Además, 10 municipios afectados se encontraron fuera del área de distribución poblacional de los lobos de 1998. Todos menos uno cayeron dentro de los barrios de los municipios clasificados como amarillo, naranja o rojo, lo que sugirió que los lobos dispersantes o aquellos que se expandieron más allá del rango conocido continuaron apuntando al ganado de la misma manera que la principal población residente.

Ninguno de los mapas pudo predecir de manera fiable las frecuencias de pérdida de ganado porque no se distinguieron incidentes múltiples dentro de los municipios de eventos únicos. Por ejemplo, en 2000 Wisconsin tuvo ocho ataques verificados contra el ganado, mientras que Minnesota tuvo 95 incidentes verificados (Treves et al., 2002). Esta relación de 1: 11,9 estuvo mucho más cerca de una proporción derivada de sus poblaciones (1: 10,1) que a una proporción derivada de las proporciones de los municipios rojo, naranja y amarillo en cada estado (1: 1,3). Sin embargo, la distribución espacial del riesgo es importante cuando el personal y los recursos se asignan a las operaciones de control.

Implicaciones más amplias

En la actualidad, los gestores definen zonas en las que todos los lobos deben ser eliminados basándose en evaluaciones de amplia resolución de las actividades agrícolas y de las densidades de población humana (MDNR, 2001). Los responsables políticos pueden utilizar mapas como los diseñados para definir zonas de gestión más precisas (Haight et al., 1998). Por ejemplo, las cacerías públicas de lobos pueden dirigirse a áreas con altas tasas de conflicto esperadas para limitar la gravedad del conflicto y mantener a la población estatal de lobo en niveles políticamente aceptables y establecidos. Los programas de indemnización y los planes de incentivos podrían diseñarse con mayor precisión en amplias regiones con información espacial como la proporcionada en el segundo mapa. Localmente, los gestores de vida silvestre, los investigadores y los ganaderos podrían utilizar los modelos espaciales para adaptar la investigación y las intervenciones de acuerdo con las condiciones locales. Los ganaderos pueden querer sopesar los costos y beneficios de la cría de ganado en pastizales forestales, explorar el uso de disuasivos no leales (Meadows y Knowlton, 2000; Musiani y Visalberghi, 2000) y evaluar la compra de tierras o los asentamientos a la luz de los resultados sobre vulnerabilidad ganadera. Para los gestores, los esfuerzos de gestión deben centrarse en aquellas comunidades que viven en zonas de riesgo moderado a alto, desviando tiempo y recursos preciosos de los municipios de mayor riesgo. Las intervenciones de alto coste pueden resultar rentables si se dirigen sólo a los lugares más arriesgados (Angst, 2001; Bangs y Shivik, 2001). Del mismo modo, los esfuerzos para monitorear y estudiar lobos pueden beneficiarse de modelos espaciales que incluyen el hábitat y la información sobre el uso del suelo humano.

Los métodos empleados por los autores pueden modificarse fácilmente para otras especies o ecosistemas de vida silvestre si se dispone de datos espacialmente explícitos sobre sitios de conflicto. Mediante la combinación de mediciones de campo, datos censales y datos de teledetección con un diseño de pares emparejados, se optimiza el equilibrio entre la precisión espacial y el alcance regional. Al seleccionar dos escalas de análisis que reflejen la toma de decisiones, esperan que los resultados puedan ser aplicados directamente por los gestores, los formuladores de políticas y los productores de ganado. Además de predecir dónde los carnívoros atacarán el ganado, los investigadores y los gestores de vida silvestre pueden usar técnicas similares para mapear las ubicaciones de encuentros humanos-vida silvestre tales como los que provocan la pérdida de cosechas (Naughton-Treves et al., 2000) o la mortalidad causada por el hombre de especies amenazadas. Anticipar los sitios de conflicto entre humanos y vida silvestre es importante para prevenir conflictos, obtener apoyo para agendas de conservación y planificar áreas de uso múltiple en entornos rurales.

REFERENCIAS

Angst, C. (2001). “Electric fencing of fallowdeer enclosures in Switzerland: a predator-proof method”. Carnivore Damage Prevention News 3: 8–9.

Bangs, E., and J. Shivik (2001). “Managing wolf conflict with livestock in the northwestern United States”. Carnivore Damage Prevention News 3:2–5.

Berg, W. and S. Benson (1999). “Updated wolf population estimation for Minnesota 1997–1999”. Minnesota Department of Natural Resources, Grand Rapids.

Fritts, S. H., W. J. Paul and L. D. Mech (1985). “Can relocated wolves survive?”. Wildlife Society Bulletin 13:459–463.

Haight, R. G., D. J. Mladenoff, and A. P. Wydeven (1998). “Modeling disjunct gray wolf populations in semi-wild landscapes”. Conservation Biology 12:879–888.

Journal Citation Reports (2017). Consultado el 19 de Enero de 2017. http://sauwok5.fecyt.es/admin-apps/JCR/JCR?RQ=IF_CAT_BOXPLOT&rank=1&journal=CONSERV+BIOL

Meadows, L. E., and F. F. Knowlton (2000). “Efficacy of guard llamas to reduce canine predationondomestic sheep”. Wildlife Society Bulletin 28:614–622.

Mech, L. D., E. K. Harper, T. J. Meier and W. J. Paul (2000). “Assessing factors that may predispose Minnesota farms to wolf depredations on cattle”. Wildlife Society Bulletin 28:623–629.

Minnesota Department of Natural Resources (MDNR) (2001). Minnesota wolf plan. MDNR, Division of Wildlife, and the Minnesota Department of Agriculture. Available at http://www.timberwolfinformation.org/info/archieve/newspapers/miplan.pdf.

Mladenoff, D. J., R. G. Haight, T. A. Sickley and A. P. Wydeven (1997). “Causes and implications of species restoration in altered ecosystems”. BioScience 47: 21–31.

Musiani, M. and E. Visalberghi (2000). “Effectiveness of fladry on wolves in captivity”. Wildlife Society Bulletin 29:91–98.

Naughton-Treves, L., R. A. Rose, and A. Treves (2000). “Social and spatial dimensions of human-elephant conflict in Africa: a literature review and two case studies from Uganda and Cameroon”.World Conservation Union, Gland, Switzerland.

Turner, M. G., G. J. Arthaud, R. T. Engstrom, S. J. Heil, J. Liu, S. Loeb and K. McKelvey (1995). “Usefulness of spatially explicit population models in land management”. Ecological Applications 5:12–16.

Treves, A., R. R. Jurewicz, L. Naughton-Treves, R. A. Rose, R. C. Willging, and A. P. Wydeven (2002). “Wolf depredation on domestic animals: control and compensation inWisconsin, 1976–2000”.Wildlife Society Bulletin 30:231–241.

U.S. Census Bureau (1992). TIGER/line files. U.S. Census Bureau, Washington, D.C.

U.S. Department of Agriculture (USDA) (1997). Census of agriculture. USDA,Washington, D.C.

Vogelmann, J. E., S. M. Howard, L. Yang, C. R. Larson, B. K. Wylie, and N. van Driel (2001). Completion of the 1990s National Land Cover Data Set for the coterminous United States from Landsat thematic map-per data and ancillary data sources. Photogrammetric Engineering & Remote Sensing 67: 650–652.

Wisconsin Department of Natural Resources (WDNR) (1999).”Wisconsin’s deer management program”. WDNR, Madison.

Wydeven, A. P., D. J. Mladenoff, T. A. Sickley, B. E. Kohn, R. P. Thiel, and J. L. Hansen (2001). “Road density as a factor in habitat selection by wolves and other carnivores in the Great Lakes Region”. Endangered Species Update 18:110–114.

Wydeven, A. P., R. N. Schultz and R. P. Thiel (1995). “Monitoring a recovering gray wolf population in Wisconsin, 1979–1995”. Pages 147–156 in L. N. Carbyn, S. H. Fritts, and D. R. Seip, editors. Ecology and conservation of wolves in a changing world. Canadian Circumpolar Institute, Edmonton, Alberta.

Wydeven, A. P., J. E. Wiedenhoeft, R. N. Schultz, R. P. Thiel, S. R. Boles and B. E. Kohn (2002). “Progress report of wolf population monitoring in Wisconsin for the period October 2001–March 2002”. Wisconsin Department of Natural Resources, Park Falls.