Using the low-level aerial survey method to identify Marbled Murrelet nesting habitat
Notice bibliographique
Résumé
Identifying and managing nesting habitat for the threatened Marbled Murrelet (Brachyramphus marmoratus) is difficult because it nests secretively, high in the canopies of large, old conifers of the Pacific Northwest. In British Columbia, low-level surveying from a helicopter is now a recommended standard method of assessing forested landscapes for key microhabitat features—such as availability of potential platforms and developed moss pads for nests, foliage cover above the nest, and accessibility—that are not distinguishable on air photos, satellite images, or forest cover maps. Using a sample of 111 nest sites and 139 random sites within forests greater than 140 years old and distributed across three study areas in south coastal British Columbia, we confirmed the effectiveness of the aerial survey method for classifying overall habitat quality of murrelet nesting habitat. The minimum map units were 3-ha patches. Overall, 40% of the 111 nest sites were in patches classed as Very High, 36% were in High, 15% were in Moderate, 6% were in Low, and 3% were in Very Low. Our ranking of habitat quality was most strongly influenced by estimates of platform availability and moss development. Using an information-theoretic approach, we identified that the Resource Selection Function scores of nest patches improved as elevation decreased, slope grade increased, and the proportion of emergent and canopy trees with mossy pads increased. We also confirmed that study area location affected the strength of model application. Our findings support the potential utility of the low-level aerial survey method for identifying or confirming Marbled Murrelet nesting habitat for land-management purposes.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».