MétaCan
Menu
Retour à la cohorte
Enregistrement W2911336415 · doi:10.1002/ece3.4938

Estimating feral cat densities using distance sampling in an urban environment

2019· article· en· W2911336415 sur OpenAlexaboutno aff
Alexis Hand

Notice bibliographique

RevueEcology and Evolution · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueHuman-Animal Interaction Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDistance samplingTransectWindsorPopulation densityPopulationGeographyPopulation sizeFeral catWildlifeSampling (signal processing)EcologyAbundance (ecology)ForestryBiologyDemographyPredationFelis catus

Résumé

récupéré en direct d'OpenAlex

Abstract Synthesis and applications Estimating feral cat population densities in urban environments can be difficult due to lack of public space and human interference. The purpose of this study was to use distance sampling in a citywide landscape to determine population size and areas of high abundance to inform trap–neuter–release management. Line transect distance sampling was used to estimate density of the feral cat population in Windsor, Ontario from June to July 2014. Windsor has a human population of 217,188 and is about 146 km 2 in size. Most transects were placed along local roads. Density was estimated at about 13.3 (95% CI 9.7–18.1) cats per km 2 , and an estimated population size of 1,858 cats (95% CI 1,361–2,537) cats with the highest relative density occurring in West and Central Windsor. Urban wildlife managers could utilize these methods to monitor feral cat populations and evaluate the effectiveness of trap–neuter–release programs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,265
Score d'incertitude au seuil0,289

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,307
Écart entre enseignants0,287 · 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 tête enseignante, pas un consensus.

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

Citations14
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcology and EvolutionMême sujetHuman-Animal Interaction StudiesTravaux en français237 207