Evaluating Landscape Suitability for Golden-Headed Lion Tamarins ( <i>Leontopithecus Chrysomelas</i> ) and Wied's Black Tufted-Ear Marmosets ( <i>Callithrix Kuhlii</i> ) in the Bahian Atlantic Forest
Notice bibliographique
Résumé
In southern Bahia, Brazil, rapid deforestation of the Atlantic Forest threatens a variety of endemic wildlife, including the Endangered golden-headed lion tamarin (GHLT; Leontopithecus chrysomelas) and the Near Threatened Wied's black-tufted-ear marmoset (Wied's marmoset; Callithrix kuhlii). Identifying high quality areas in the landscape is critical for mounting efficient conservation programs for these primates. We constructed ecological niche models (ENMs) for GHLTs and Wied's marmosets using the presence-only algorithm Maxent to (1) locate suitable areas for each species, (2) examine the overlap in these areas, and (3) determine the amount of suitable habitat in protected areas. Our models indicate that 36% (10, 659 km 2 ) of the study area is suitable for GHLTs and 53% (15, 642 km 2 ) for Wied's marmosets. Suitable areas were strongly defined by presence of neighboring forest cover for both species, as well as annual temperature range for GHLTs and distance from urban areas for Wied's marmosets. Thirty-three percent of the landscape (9,809 km 2 ) is overlapping suitable habitat. Given that the focal species form mixed-species groups, these areas of shared suitability may be key locations for preserving this important behavioral interaction. Protected areas contained 6% (651 km 2 ) of all suitable habitat for GHLTs and 4% (682 km 2 ) for Wied's marmosets. All protected areas were suitable for the focal species, excepting Serra do Conduru, which had low suitability for GHLTs. Our results highlight that suitable habitat for GHLTs and Wied's marmosets is limited and largely unprotected. Conservation action to protect additional suitable areas will be critical for their persistence.
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) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».