Overlapping landscapes: A persistent, but misdirected concern when collecting and analyzing ecological data
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.
Notice bibliographique
Résumé
Abstract A primary focus of wildlife ecology is studying how the arrangement, quality, and distribution of habitat influence wildlife populations at multiple spatial scales. A practical limitation of conducting wildlife–habitat investigations in the field, however, is that sampling points tend to be close to one another, resulting in spatial clustering. Consequently, when ecologists seek to quantify the effects of environmental predictors surrounding their sampling points, they encounter the issue of using landscapes that are partially or completely overlapping. A presumed problem of overlapping landscapes is that data generated from these landscapes, when used as predictors in statistical modeling, might violate the assumption of independence. However, the independence of error is the critical assumption, not the independence of predictor variables. Nonetheless, many researchers strive to avoid such overlaps through sampling design or alternative analytical procedures and specialized software programs have been created to assist with this. We present theoretical arguments and empirical evidence showing that changing the amount of overlap does not alter the degree of spatial autocorrelation. Using data derived from 2 broad‐scaled avian monitoring programs, we quantified the relationship between forest cover and bird abundance and occurrence at multiple landscapes ranging from 100 m to 24 km across. We found no clear evidence that increasing overlap of landscapes increased spatial autocorrelation in model residuals. Our results demonstrate that the concern of overlapping landscapes as a potential cause of violation of spatial independency among sampling units is misdirected and represents an oversimplification of the statistical and ecological issues surrounding spatial autocorrelation. Overlapping landscapes and spatial autocorrelation are separate issues in the modeling of wildlife populations and their habitats; non‐overlapping landscapes do not ensure spatial independency and overlapping landscapes do not necessarily lead to greater spatial autocorrelation in model errors. © 2011 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 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 | 0,000 |
| 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 | 0,001 |
| 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 découle