Predicting waterbird nest distributions on the Yukon–Kuskokwim Delta of Alaska
Notice bibliographique
Résumé
ABSTRACT The Yukon–Kuskokwim Delta of Alaska, USA is a globally important region for numerous avian species including millions of migrating and nesting waterbirds. However, data on the current spatial distribution of critical nesting areas and the importance of environmental variables in the selection of nest locations are generally lacking for waterbirds in this region. We modeled nest densities for 6 species of geese and eiders that commonly breed on the Yukon–Kuskokwim Delta, including cackling goose (Branta hutchinsii minima), emperor goose (Chen canagica), black brant (B. bernicla nigricans), greater white‐fronted goose (Anser albifrons frontalis), spectacled eider (Somateria fischeri), and common eider (S. mollissima). The data used were from single‐visit nest searches on 2,318 plots sampled during 29 years from 1985 to 2013. We modeled nest density for each species by combining data across years and using random forests methods and time‐static landscape environmental variables. These models provide the first habitat‐specific predictive distributions of nest density for these species breeding on the Yukon–Kuskokwim Delta of Alaska. Predictive performance of the random forests models varied among species, explaining 13–69% of the variance in nest density. For most species, nest density was greatest near the coast and within lowland habitats. Predicted nest densities mapped across the coastal zone of the Yukon–Kuskokwim Delta revealed areas of high and low nest densities that can be used to inform management and conservation decisions. © 2017 The Wildlife Society.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».