Modeling probability of waterfowl encounters from satellite imagery of habitat in the central Canadian arctic
Notice bibliographique
Résumé
Abstract We used aerial survey and corresponding digital land cover data to develop species‐habitat models to describe breeding‐ground distributions and landscape‐level habitat associations of greater white‐fronted geese (Anser albifrons), Canada (Branta canadensis) and cackling geese (B. hutchinsii), tundra swans (Cygnus columbianus), king eiders (Somateria spectabilis), and long‐tailed ducks (Clangula hyemalis). We then used habitat associations in the Queen Maud Gulf Migratory Bird Sanctuary and the Rasmussen Lowlands, Nunavut, Canada, in models to predict distributions of focal species in each study area. We used the receiver operating characteristic (ROC) method and the area‐under‐the‐curve (AUC) metric to evaluate predictive accuracy (hereafter, quality) of models. In the Queen Maud Gulf, AUC values suggested reasonable model discrimination for white‐fronted geese, Canada geese, and tundra swans (i.e., AUC > 0.7). Quality of species‐habitat models for king eiders and long‐tailed ducks was less than other species considered, but these models still predicted encounters and non‐encounters significantly better than the null model. For all species, quality of species‐habitat models was lesser for the Rasmussen Lowlands than for the Queen Maud Gulf, although discrimination ability for Rasmussen Lowland distributions remained significantly better than corresponding null models for geese and swans, but not for seaducks. Our research suggested that species' distributions modeled with landscape‐level habitat data is a tractable method to 1) identify habitat associations, 2) determine key habitats and regions, and 3) predict probable summer distributions of some waterfowl species over relatively large areas of the arctic from satellite imagery. © 2013 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.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».