A habitat suitability index model to assess moose habitat selection at multiple spatial scales
Notice bibliographique
Résumé
We developed a habitat suitability index (HSI) model for moose (Alces alces) in the boreal forest. The model used two components: a suitability index for food (SI food ) and another for the interspersion between cover and food (SI edge ). We used forest maps as the input data source, and the value of each stand type in terms of cover and food was based on field surveys. To validate the model, the habitat preference of moose equipped with global positioning system telemetry collars was assessed at both landscape and home-range scales. We expected the habitat-preference index to correlate with suitability indices determined using the global model and each of its two components. Habitat suitability was assessed in evaluation plots of 500, 100, and 10 ha. Unexpectedly, the habitat-preference index correlated better with SI food and SI edge than with the global model. The suitability indices also performed better when assessed in large plots. Selection of 500 ha plots related mostly to SI edge , but SI food was more important when smaller evaluation plots were used, especially for males. Females preferred plots with intermediate SI food values. At the fine scale, SI edge was not as attractive to moose as was previously observed, presumably because snow conditions prevailing in our study area were relatively moderate. We recommend utilizing the model with SI edge in large plots (ca. 500 ha) and SI food in smaller plots. Our model could be adapted and applied to other areas by using empirical data to adjust the relative value of stand types in terms of cover and food.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».