MétaCan
Menu
Retour à la cohorte
Enregistrement W2130970035 · doi:10.1898/1051-1733-96.2.107

Non-Invasive Survey of Forest Carnivores in the Northern Cascades of Oregon, USA

2015· article· en· W2130970035 sur OpenAlexaboutno aff
Jamie E. McFadden‐Hiller, Tim L. Hiller

Notice bibliographique

RevueNorthwestern Naturalist · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCanisMartenVulpesGeographyUrsusMustelidaeEcologyCarnivoreMinkForestryHabitatBiologyPredationPopulation

Résumé

récupéré en direct d'OpenAlex

Several species of forest carnivores are of state or federal concern in Oregon and are or may be sensitive to timber management practices, wildfires, climate change, and other large-scale disturbances. We implemented a non-invasive survey of forest carnivores in the northern Cascades of Oregon during fall–spring, 2012–2014. We collected 111,148 images from 21 elevated and 39 ground-level baited camera stations located from 586 to 2237 m in elevation. We detected (≥1 image) Red Fox (Vulpes vulpes) at 9 ground stations, of which 4 also detected Coyote (Canis latrans). We detected American Marten (Martes americana) at 63% of all stations (elevation range = 1252–2237 m), including 5 of 7 stations located in areas that experienced wildfires since 1996 that covered >5000 ha. Other forest carnivores detected included Bobcat (Lynx rufus), Black Bear (Ursus americanus), Mountain Lion (Puma concolor), Northern Raccoon (Procyon lotor), American Mink (Neovison vison), weasel (Mustela spp.), and skunk (Mephitis mephitis, Spilogale gracilis); but we did not detect Wolverine (Gulo gulo), Canada Lynx (Lynx canadensis), Fisher (Martes pennanti), or Gray Wolf (Canis lupus). Future periodic non-invasive surveys of forest carnivores may provide information about changing species composition and distribution, especially in relation to climate change, vegetation succession, and potential recolonization by Gray Wolves.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,794
Score d'incertitude au seuil0,879

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,250
Écart entre enseignants0,222 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNorthwestern NaturalistMême sujetWildlife Ecology and ConservationTravaux en français237 207