The wildlife and livestock interface is vital for wildlife conservation and habitat management. Infectious diseases maintained by domestic species may impact threatened species such as Asian bovids, as they share natural resources and habitats. To predict the population impact of infectious diseases with different traits, we used stochastic mathematical models to simulate the population dynamics 100 times over 100 years for a model gaur (Bos gaurus) population with and without disease. We simulated repeated introductions from a reservoir, such as domestic cattle. We selected six bovine infectious diseases; anthrax, bovine tuberculosis, hemorrhagic septicaemia, lumpy skin disease, foot and mouth disease and brucellosis, all of which have caused outbreaks in wildlife populations. From a starting population of 300, the disease-free population increased by an average of 228% over 100 years. Brucellosis with frequency-dependent transmission showed the highest average population declines (-97%), with population extinction occurring 16% of the time. Foot and mouth disease with frequency-dependent transmission showed the lowest impact, with an average population increase of 200%. Overall, acute infections with very high or low fatality had the lowest impact, whereas chronic infections produced the greatest population decline. These results may help disease management and surveillance strategies support wildlife conservation.

Abstract Global changes in response to human encroachment into natural habitats and carbon emissions are driving the biodiversity extinction crisis and increasing disease emergence risk. Host distributions are one critical component to identify areas at risk of spillover, and bats act as reservoirs of diverse viruses. We developed a reproducible ecological niche modelling pipeline for bat hosts of SARS-like viruses (subgenus Sarbecovirus ), given that since SARS-CoV-2 emergence several closely-related viruses have been discovered and sarbecovirus-host interactions have gained attention. We assess sampling biases and model bats’ current distributions based on climate and landscape relationships and project future scenarios. The most important predictors of species distribution were temperature seasonality and cave availability. We identified concentrated host hotspots in Myanmar and projected range contractions for most species by 2100. Our projections indicate hotspots will shift east in Southeast Asia in >2 °C hotter locations in a fossil-fueled development future. Hotspot shifts have implications for conservation and public health, as loss of population connectivity can lead to local extinctions, and remaining hotspots may concentrate near human populations.

Lassa fever is a West African rodent-borne viral haemorrhagic fever that kills thousands of people a year, with 100 000 to 300 000 people a year probably infected by Lassa virus (LASV). The main reservoir of LASV is the Natal multimammate mouse, Mastomys natalensis . There is reported asynchrony between peak infection in the rodent population and peak Lassa fever risk among people, probably owing to differing seasonal contact rates. Here, we developed a susceptible-infected-recovered ( S I R )-based model of LASV dynamics in its rodent host, M. natalensis , with a persistently infected class and seasonal birthing to test the impact of changes to seasonal birthing in the future owing to climate and land use change. Our simulations suggest shifting rodent birthing timing and synchrony will alter the peak of viral prevalence, changing risk to people, with viral dynamics mainly stable in adults and varying in the young, but with more infected individuals. We calculate the time-average basic reproductive number,  R ~ p  , for this infectious disease system with periodic changes to population sizes owing to birthing using a time-average method and with a sensitivity analysis show four key parameters: carrying capacity, adult mortality, the transmission parameter among adults and additional disease-induced mortality impact the maintenance of LASV in M. natalensis most, with carrying capacity and adult mortality potentially changeable owing to human activities and interventions.

Wild bovids provide important ecosystem functions throughout their ranges. Five wild bovids remain in Thailand: gaur (Bos gaurus), banteng (Bos javanicus), wild water buffalo (Bubalus arnee), mainland serow (Capricornis sumatraensis) and Chinese goral (Naemorhedus griseus). However, their populations and habitats have declined substantially and become fragmented. Here, we identify potentially suitable habitat for these threatened bovids using ecological niche models and quantify how much suitable area remains within protected areas. We combined species occurrence data with environmental variables and used spatially-restricted Biotic-Abiotic-Mobility frameworks with species-specific and single large accessible areas. We used ensembles from eight algorithms for generating maps and out-of-sample predictions to validate model performance against new data. Gaur, banteng, and buffalo models performed well throughout the entire distribution (≥62%) and in Thailand (≥80%). Mainland serow and Chinese goral performed poorly for the entire distribution and in Thailand, though a 5 km movement buffer markedly improved model performance for serow. Particularly large suitable areas were in Thailand and India for gaur, Cambodia and Thailand for banteng, and India for buffalo. Over 50% of overall suitable habitat is located outside protected areas, with just 9% for buffalo in Thai protected areas, highlighting area for potential habitat management and conflict mitigation.

The wildlife and livestock interface is vital for wildlife conservation and habitat management. Infectious diseases maintained by domestic species may impact threatened species such as Asian bovids, as they share natural resources and habitats. To predict the population impact of infectious diseases with different traits, we used stochastic mathematical models to simulate the population dynamics over 100 years for 100 times in a model gaur (

Abstract The emergence of SARS-like coronaviruses is a multi-stage process from wildlife reservoirs to people. Here we characterize multiple drivers—landscape change, host distribution, and human exposure—associated with the risk of spillover of SARS-like coronaviruses to help inform surveillance and mitigation activities. We consider direct and indirect transmission pathways by modeling four scenarios with livestock and mammalian wildlife as potential and known reservoirs before examining how access to healthcare varies within clusters and scenarios. We found 19 clusters with differing risk factor contributions within a single country (N=9) or transboundary (N=10). High-risk areas were mainly closer (11-20%) rather than far (<1%) from healthcare. Areas far from healthcare reveal healthcare access inequalities, especially Scenario 3, which includes wild mammals as secondary hosts. China (N=2) and Indonesia (N=1) had clusters with the highest risk. Our findings can help stakeholders in land use planning integrating healthcare implementation and One Health actions.

Abstract The livestock-wildlife interface is one of the most essential issues threatening wildlife conservation and public health. Identifying interface areas can help to prioritise disease surveillance and implement mitigation measures and control programs for targeting threatened wildlife. We predicted interface areas which were assumed to be areas at risk of infectious disease transmission based on the spatial overlap between three Thai wild bovids (including gaur, banteng and wild water buffalo) habitat suitability and domestic cattle. We assumed that domestic cattle are the reservoir of bovine infectious disease, and that high cattle density is a proxy for a higher risk of disease transmission. Our study indicated that the highest risk areas for the native species are at the forest edges where overlap exists between high habitat suitability and high cattle density. Wild water buffalo showed the largest proportion of high-risk areas (8%), while gaur and banteng showed similar risk areas (4%) in Thailand. The largest proportion of risk areas overlapping with protected areas was Namtok Sam Lan PAs at 89% for gaur, 84% for banteng and 65% for wild water buffalo. Kuiburi NP has the largest risk area around 274 km 2 (around 28% of the total protected area) for gaur and banteng, whereas wild water buffalo has the largest risk area overlapping with Huai Thabthan-Had Samran around 126 km 2 (10% of the PA). Kaengkrachan Forest Complex showed the second largest risk area from 249 km 2 for gaur and 273 km 2 for banteng (8-9% of the PA). Our results address how habitat suitability might be helpful for infectious disease prevention and control strategies focused on native fauna and One Health. Furthermore, this work may also support the wild bovid habitat conservation initiatives and land use planning by informing decision-making about balancing wildlife habitats and livestock farming.