Interspecific effects of forest fragmentation on bats
Notice bibliographique
Résumé
Wind-farm development may be an important contributor to forest fragmentation, but how such developments impact bats is poorly understood. We hypothesized that bat activity at a wind farm would be explained, at least in part, by attraction and avoidance behaviours caused by deforestation. We tested predictions of this hypothesis via a landscape-level acoustic, capture, and radiotelemetry survey of little brown bats (Myotis lucifugus (Le Conte, 1831)) and northern long-eared myotis (Myotis septentrionalis (Trouessart, 1897)). Acoustic and capture data indicated no significant difference in magnitude of activity between the fragmented wind farm and the less-fragmented surrounding areas. However, only 2 of 19 radio-tracked bats were ever located inside the wind farm despite being captured adjacent to it. Bat locations were compared against randomly generated locations within the same area in a logistic regression framework to rank landscape variables in order of association with bats. A multicriteria evaluation of forest metrics showed that, over a 3-year period, there was an increase of suitable habitat inside the wind farm for M. lucifugus and a decrease for M. septentrionalis. These results support the contention that, at this level of disturbance, M. lucifugus may use the cleared areas, while M. septentrionalis is negatively impacted by increased deforestation caused by wind-farm development.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».