MétaCan
Menu
Retour à la cohorte
Enregistrement W2621997500 · doi:10.3996/012016-jfwm-006

Habitat Patch Use by Fishers in the Deciduous Forest-Dominated Landscape of the Central Appalachian Mountains, USA

2017· article· en· W2621997500 sur OpenAlexaboutno aff
E. Hance Ellington, Sean W. Gess, Erin L. Koen, Joseph E. Duchamp, Matthew J. Lovallo, Matthew R. Dzialak, Jeffery L. Larkin

Notice bibliographique

RevueJournal of Fish and Wildlife Management · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDeciduousGeographyHabitatEcologyLand useRange (aeronautics)OccupancyForest managementLand coverHome rangeForestryBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Fishers (Pekania pennanti) are often associated with the coniferous and mixed forests of the northern United States and central Canada, and their ecology has been studied extensively in portions of their distributional range. Recently, natural range expansion and reintroductions have led to recolonization by fishers to portions of the central Appalachian Mountains, where deciduous forest is the dominant vegetation type. We used noninvasive hair-snare surveys and microsatellite genetic analysis to detect fishers in the central Appalachian Mountains of Pennsylvania. We used these detections within an occupancy modeling framework to explore habitat patch use by fishers and the forest characteristics and land use features that influenced it. We found that the likelihood of patch use by fishers was related to forests with higher proportions of low-density residential areas. Our results also suggested that lower road densities might be related to higher likelihood of fisher patch use. Fishers in Pennsylvania tolerated some forms of land development. Patch use was not driven by forest type or canopy cover, at least within our deciduous forest-dominated study areas. Future research identifying threshold values at which forest cover and land development affect patch use by fishers in the central Appalachian Mountains will better inform management decisions with respect to sites for future reintroduction of fishers.

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 enseignants0,229
Score d'incertitude au seuil0,269

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 ouverte0,0010,000
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 Opus0,008
Tête enseignante GPT0,207
Écart entre enseignants0,199 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Fish and Wildlife ManagementMême sujetWildlife Ecology and ConservationTravaux en français237 207