Factors Affecting Coastal Wetland Occupancy for Eastern Musk Turtles (Sternotherus odoratus) in Georgian Bay, Lake Huron
Notice bibliographique
Résumé
In many jurisdictions, rare species and their habitats can receive protection if species are assessed as being at risk of declining. The assessment process requires data on habitat occupancy as well as identification of threats to a species critical habitat, both of which are difficult to obtain when the species occurs across large spatial scales. Such is the case for Eastern Musk Turtles (Sternotherus odoratus), which are obligate coastal wetland species in the Laurentian Great Lakes. We use data collected between 2003 and 2015 to map occupancy and conditional occupancy for musk turtles in coastal wetlands of eastern Georgian Bay (Lake Huron) to identify threats to resident wetland habitat. Data collected from a synoptic survey of 58 coastal wetlands were used to create occupancy models, estimate detection probability, and to conduct a sensitivity analysis to determine model robustness. We had a 64–71% probability of detecting musk turtles, whenever present in the wetland, and an area under curve value of 0.82 confirmed high model accuracy. Coastal wetlands that supported musk turtles were associated with higher proportions of forest cover, lower densities of roads, buildings, and docks within 1 km of the wetland, and more-variable bathymetric slopes. High conditional occupancy across the majority of our study area indicates that, at present, habitat in eastern Georgian Bay is in good condition; however, land-use alterations and development should be limited to ensure the persistence of this population of musk turtles.
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 | 0,000 | 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) | 0,001 | 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 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 ».