The Reliability and Application of Methods Used to Predict Suitable Nesting Habitat for Marbled Murrelets
Notice bibliographique
Résumé
Identifying and mapping suitable nesting habitat within coastal forests is a key element in the recovery and management of the Marbled Murrelet (Brachyramphus marmoratus), which is listed as Threatened in Canada. This article reviews the reliability and application of three primary methods used to assess habitat suitability: the BC Model, a GIS-based algorithm using Vegetation Resources Inventory (VRI); air photo interpretation (API), direct assessments from air photos based on forest structure; and low-level aerial surveys (LLAS), helicopter surveys assessing forest canopy structure and the presence of potential nest platforms. In general, LLAS provides the most reliable identification and is the only method of the three that estimates the occurrence of potential nest platforms in the forest canopy. The other two methods, API and the BC Model, are substantially less reliable in identifying habitat actually used by nesting murrelets. Spatial scale and survey intensity affect habitat classification using all three methods. Generally, fine-scale (~3 ha), high-intensity classifications with LLAS and API are more likely to detect suitable habitat at known nest sites than those using medium-scale (10s or 100s ha) and/or low-intensity classifications. Even with fine-scale high-intensity application, 15% and 25% of known nest sites were still classified as “unsuitable” habitat with LLAS and API, respectively. All three methods applied at the medium scale for mapping appeared to miss fine-scale nesting habitat (i.e., small numbers of suitable trees occurring in otherwise unsuitable habitat). Areas of mapped suitable habitat can therefore be adjusted to take this discrepancy into account, and methods to do this are discussed.
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 | 0,013 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».