Survey methodology for the detection of Wood Turtles (<em>Glyptemys insculpta</em>)
Notice bibliographique
Résumé
Wood Turtles (Glyptemys insculpta) are difficult to survey because their use of aquatic and terrestrial environments varies spatio-temporally. Existing survey methodology is highly variable and typically involves searching for Wood Turtles within water and on land 0 to >20 m from the shoreline from spring to autumn. The mobility of Wood Turtles suggests that detection is likely influenced by distance surveyed from water and the amount of vegetation, which varies by season. To determine an ideal survey methodology for the Wood Turtle, we recorded distances from a waterway of 31 radio-tagged turtles at Canadian Forces Base, Gagetown, New Brunswick, in 2003 and 2004. Ordinal logistic regression was used to determine the probability of finding male or female Wood Turtles with increasing distance from water at different times of day or season. Sex and time of day were not significant factors in detecting Wood Turtles. Season was a significant factor, with highest probability (69%) of finding Wood Turtles at a distance of 0–10 m of a waterway up to July 1 (corresponding to pre-nesting and nesting periods), compared to probabilities of <10% for any 10-m distance between 10 m and 50 m from a waterway. After July 1, the highest detection probability (50%) was at distances greater than 50 m from a waterway. We recommend that Wood Turtle surveys for environmental impact assessments and population monitoring be conducted on warm days (i.e., 10–25°C) within 10 m of waterways up to July 1.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».