MétaCan
Menu
Retour à la cohorte
Enregistrement W2553136891 · doi:10.5539/enrr.v6n4p91

The Utilization of Water Points by Wildlife Species in Nyae Nyae Conservancy, Namibia

2016· article· en· W2553136891 sur OpenAlexvenueno aff
Melanie Rispel, Selma Lendelvo

Notice bibliographique

RevueEnvironment and Natural Resources Research · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWildlifeWater resourcesGeographyWildlife conservationBiodiversityAridEnvironmental resource managementWater infrastructureWildlife managementWater sourceEnvironmental protectionWater resource managementEnvironmental planningEnvironmental scienceWater supplyEcologyEnvironmental engineeringBiology

Résumé

récupéré en direct d'OpenAlex

Namibia is a semi-arid country and underground water sources have proven to be reliable water sources for drought-prone countries. Underground water has the ability to sustain conservation activities as long as water infrastructure is in place and maintained. Despite the different water requirements for the wildlife species, water remains an essential component of wildlife management in Namibia. Therefore, this study aims at understanding utilization of water points by various wildlife species in the Nyae Nyae conservancies, which is located in the north-eastern part of Namibia. This study used monitoring data from wildlife counts that are conducted by the Conservancy annually at water points coupled with key-informant interviews with local conservancy members and leaders as well as some stakeholders. The study shows that the Conservancy had a diverse number of wildlife species that were predominantly ungulates (70%). These species were detected at 29 water points distributed across the Conservancy. Most of the water points in the conservancy were artificial points with water drawn from the underground water sources, while a few of the water points were pans (17%). Water resources are very important resources for conservation, not only in terms of being used by wildlife but also in terms of being used to provide an indication of species diversity in the conservation.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,163
Score d'incertitude au seuil1,000

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,026
Tête enseignante GPT0,265
Écart entre enseignants0,239 · 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.

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

Citations5
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Natural Resources ResearchMême sujetWildlife Ecology and ConservationTravaux en français237 207