Late-Winter Habitat Use by Mule Deer, <em>Odocoileus hemionus</em>, in Central Interior British Columbia
Notice bibliographique
Résumé
In central interior British Columbia, extensive cut blocks to recover timber killed by the Mountain Pine Beetle (Dendroctonus ponderosae) could impact negatively on Mule Deer (Odocoileus hemionus) late-winter habitat. This study assessed the possibility of predicting the distribution of potential late-winter habitat for Mule Deer with the BC Vegetation Resources Inventory (VRI) dataset used to produce forestry maps. On the basis of literature review and roadside inventories in December 2004, I predicted that high-quality Mule Deer late-winter habitat would correspond to mature and old conifer-dominated stands with ≤ 20% deciduous species, a canopy closure ≥ 45%, tree heights ≥ 23 m, tree diameter at breast height ≥ 24 cm, and basal area ≥ 45 m2/ha, and would be located on < 60% slopes on south, southeast, southwest or west aspects, or on flat ground. I allocated weight values to these criteria to classify map polygons into high-, medium- and low-quality polygons, and produce predictive maps of late-winter habitat use by Mule Deer. I tested my predictive habitat rating by snowtracking along 18 km of transects in February-March 2006, and 15.6 km of transects in February 2007. I recorded 31 and 12 Mule Deer tracks in 2006 and 2007, respectively, all in high-quality polygons. The observed frequency of tracks per polygon type was significantly (P < 0.001) different from expected. All tracks were in mature and old conifer-dominated stands including 10-60% Lodgepole Pine (Pinus contorta) and 10-20% Trembling Aspen (Populus tremuloides). This study showed that it was possible to predict the distribution of potential late-winter habitat for Mule Deer using a series of habitat criteria and the VRI dataset. The extensive harvesting of Lodgepole Pine in mixed coniferous stands will undoubtedly have a negative impact on Mule Deer late-winter habitat quality and quantity. The rating of habitat types developed in this study should be used in forest management plans to determine sites that should be protected from logging.
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 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 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 ».