MétaCan
Menu
Retour à la cohorte
Enregistrement W2892015805 · doi:10.1002/jwmg.21567

Estimates of tidal‐marsh bird densities using Bayesian networks

2018· article· en· W2892015805 sur OpenAlexaboutno aff
Whitney A. Wiest, Maureen D. Correll, Bruce G. Marcot, Brian J. Olsen, Chris S. Elphick, Thomas P. Hodgman, Glenn R. Guntenspergen, W. Gregory Shriver

Notice bibliographique

RevueJournal of Wildlife Management · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Forest ServiceU.S. Geological SurveyNational Science Foundation of Sri LankaU.S. Fish and Wildlife Service
Mots-clésSparrowSalt marshMarshGeographyHabitatEcologyPopulationAbundance (ecology)Distance samplingWetlandBiologyDemography

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Conserving tidal‐marsh bird communities requires strategies to address continuing pressures from human development to the effects of increasing rates of sea‐level rise. Knowing tidal‐marsh bird distributions and population sizes are important for developing these strategies. In the Northeast United States, where estimates of sea‐level rise are 3 times higher than the global average, 5 bird species are tidal‐marsh specialists: clapper rail (Rallus crepitans), willet (Tringa semipalmata), Nelson's sparrow (Ammospiza nelsoni), saltmarsh sparrow (A. caudacuta), and seaside sparrow (A. maritima). We used a regional marsh bird survey to develop Bayesian network models to identify factors that influence patch‐scale species density and to estimate regional population sizes. We modeled species density as a function of habitat covariates at the patch, local, landscape, and regional spatial scales. Densities were most sensitive to patch location and dimension, patch geomorphic setting, indices of human development, and changes in mean sea level. We estimated 110,000 clapper rails (95% CI = 61,000–159,000), 111,000 willets (95% CI = 70,000–152,000), 7,000 Nelson's sparrows (95% CI = 4,000–10,000), 60,000 saltmarsh sparrows (95% CI = 40,000–80,000), and 234,000 seaside sparrows (95% CI = 112,000–356,000) from the United States–Canada border to, and including, the mouth of the Chesapeake Bay, Virginia, USA. Our abundance estimates can be used to identify priority conservation areas at multiple geographic scales and our models help identify key habitat and landscape components for tidal‐marsh restoration and management to benefit tidal‐marsh birds and can be modified for other species. © 2018 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,017
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,009
Tête enseignante GPT0,228
Écart entre enseignants0,219 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations25
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Wildlife ManagementMême sujetFire effects on ecosystemsTravaux en français237 207