MétaCan
Menu
Retour à la cohorte
Enregistrement W1819060625 · doi:10.1002/jwmg.862

Grizzly bear connectivity mapping in the Canada–United States trans‐border region

2015· article· en· W1819060625 sur OpenAlex
Michael F. Proctor, Scott E. Nielsen, Wayne F. Kasworm, Chris Servheen, Thomas G. Radandt, A. Grant MacHutchon, Mark S. Boyce

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueJournal of Wildlife Management · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife-Road Interactions and Conservation
Établissements canadiensPacific Insight Electronics (Canada)University of Alberta
Organismes subventionnairesFederal Highway AdministrationU.S. Fish and Wildlife ServiceLiz Claiborne Art Ortenberg FoundationGreat Northern Landscape Conservation CooperativeAlberta IngenuityNational Fish and Wildlife FoundationWilburforce Foundation
Mots-clésGrizzly BearsUrsusGeographyHabitatWildlifeHuman settlementEcologyPopulationArchaeologyBiology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Fragmentation is a growing threat to wildlife worldwide and managers need solutions to reverse its impacts on species' populations. Populations of grizzly bears ( Ursus arctos ), often considered an umbrella and focal species for large mammal conservation, are fragmented by human settlement and major highways in the trans‐border region of southern British Columbia, northern Montana, Idaho, and northeastern Washington. To improve prospects for bear movement among 5 small fragmented grizzly bear subpopulations, we asked 2 inter‐related questions: Are there preferred linkage habitats for grizzly bears across settled valleys with major highways in the fragmented trans‐border region, and if so, could we predict them using a combination of resource selection functions and human settlement patterns? We estimated a resource selection function (RSF) to identify high quality backcountry core habitat and to predict front‐country linkage areas using global positioning system (GPS) telemetry locations representing an average of 12 relocations per day from 27 grizzly bears (13F, 14M). We used RSF models and data on human presence (building density) to inform cost surfaces for connectivity network analyses identifying linkage areas based on least‐cost path, corridor, and circuit theory methods. We identified 60 trans‐border (Canada–USA) linkage areas across all major highways and settlement zones in the Purcell, Selkirk, and Cabinet Mountains encompassing 24% of total highway length. We tested the correspondence of the core and linkage areas predicted from models with grizzly bear use based on bear GPS telemetry locations and movement data. Highway crossings were relatively rare; however, 88% of 122 crossings from 13 of our bears were within predicted linkage areas (mean = 8.3 crossings/bear, SE = 2.8, range 1–31, 3 bears with 1 crossing) indicating bears use linkage habitat that could be predicted with an RSF. Long‐term persistence of small fragmented grizzly bear populations will require management of connectivity with larger populations. Linkage areas identified here could inform such efforts. © 2015 The Wildlife Society.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,959

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,241
Écart entre enseignants0,216 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle