A wavelet‐based approach to evaluate the roles of structural and functional landscape heterogeneity in animal space use at multiple scales
Notice bibliographique
Résumé
The functional relationship between habitat utilization and landscape spatial heterogeneity is fundamental to understanding the spatial nature of animal distribution across scales. Although structural and functional properties of landscape spatial heterogeneity can have different consequences for animal species, few studies have explicitly considered both forms of heterogeneity, partly due to the lack of general methods for direct assessment of scale‐specific associations between variables. We present a wavelet‐based approach to evaluate the roles of structural and functional landscape spatial heterogeneity in animal space use at multiple spatial scales. As a case study, we examined scale‐specific space use patterns of American black bears Ursus americanus in response to structural and functional spatial heterogeneity as well as spatial patterns of vegetation age‐classes in a Canadian boreal forest. We found strong differences in the effects of structural and functional spatial heterogeneity and the scales at which they are associated with the patterns of habitat use by black bears. Functional heterogeneity alone affected space use at 800 and 1600‐m scales, but had significant effects when interacting with structural heterogeneity at 400, 800, and 1600‐m scales. Compared with male bears, female black bears were most sensitive to patterns of forage abundance at intermediate scales, or more specifically, in young and regenerating forests that provide abundant soft mast in boreal forests. Our study highlights the importance of accounting for scale‐dependent properties of (structural and functional) spatial heterogeneity in assessing the ecological effects of landscape components and the effectiveness of the wavelet transform technique in identifying such scale‐specific relationships.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».