Modelling critical winter habitat of four ungulate species in the Robson Valley, British Columbia
Notice bibliographique
Résumé
A modelling exercise was conducted to identify potential critical winter habitat for four ungulate species in the Robson Valley in east-central British Columbia: mule deer (Odocoileus hemionus hemionus), whitetailed deer (Odocoileus virginianus), Rocky Mountain elk (Cervus elaphus nelsonii), and moose (Alces alces). The model was developed to provide land managers with an effective decision-making tool to include critical winter habitat in land-use planning. Forest cover data, biogeoclimatic data, and a digital elevation model were used to reflect snow depth, forage availability, thermal cover, and security cover values during winter months. The model identifies low-elevation, south-facing, older forests where snowpacks are less deep as potential critical winter habitat for deer and elk. Because moose are better adapted to northern Interior winter conditions, the model identifies coniferous and deciduous stands with greater forage potential. Recent mild winters have limited the field validation process. Habitat assessment, using local sites as benchmarks for model evaluation, found that the distribution of resources varied within and between highrated polygons and that the model overestimates the amount of critical ungulate winter habitat in the Robson Valley. Forage availability, followed by snow interception, were shown to be the limiting factors in most cases. The model is a broad filter of critical ungulate winter habitat; it is intended for field use as a management tool to identify the boundaries of critical winter range. The limitations of the model and priorities for improvement are reviewed.
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 | 0,000 | 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 ».