Coarse‐Scale Distribution Surveys and Occurrence Probability Modeling for Wolverine in Interior Alaska
Notice bibliographique
Résumé
ABSTRACT We determined wolverine ( Gulo gulo ) distribution and occurrence probabilities using aerial surveys and hierarchical spatial modeling in a 180,000‐km 2 portion of Interior Alaska, USA. During 8 February‐12 March 2006, we surveyed 149 of 180 1,000‐km 2 sample units for wolverine tracks. We observed wolverine tracks in 99 (66.4%) sample units. Wolverine detection probability was ≥69% throughout the survey period. Posterior occurrence probabilities of whether a wolverine track occurred in a sample unit was dependent on survey timing, number of transects flown, number of neighboring sample units with detected tracks, percentage of the sample unit with elevation ≤305 m, and human influences. Our model indicated strong evidence of occurrence (>0.80) in 72% of the 180 survey units, strong evidence of absence (<0.20) in 12%, and weak evidence of occurrence or absence (0.20–0.80) in 16%. Wolverine area of occupancy made up 83% of the study area. Simulations illustrated that 2–4 survey routes were necessary for the survey technique to provide strong evidence of wolverine presence or absence in Interior Alaska if a track was not identified along the first route. The necessary number of survey routes depends on the occurrence probability in a sample unit. We provided managers with a map of wolverine distribution in Interior Alaska and an efficient and lower‐cost method to detect coarse‐scale changes in wolverine distribution. Our technique was effective in both Interior Alaska and Ontario, Canada, suggesting it would be effective throughout most of the boreal forest range of wolverines where tracks can be readily observed from the air. The technique requires a certain skill level in recognizing tracks; it is essential that tracks are identified correctly and training may be necessary depending on surveyor experience.
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 | 0,002 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».