Ecosystem processes, land cover, climate, and human settlement shape dynamic distributions for golden eagle across the western US
Notice bibliographique
Résumé
Abstract Species–environment relationships for highly mobile species outside of the breeding season are often highly dynamic in response to the collective effects of ever‐changing climatic conditions, food resources, and anthropogenic disturbance. Capturing dynamic space‐use patterns in a model‐based framework is critical as model inference often drives place‐based conservation planning. We applied dynamic occupancy models to broad‐scale golden eagle Aquila chrysaetos survey data collected annually from 2006 to 2012 during the late summer post‐fledging period in the western US. We defined survey sites as 10 km transect segments with a 1 km buffer on either transect side (n = 3540). Derived estimates of occupancy were low (4.4–7.9%) and turnover rates – the probability that occupied sites were newly occupied – were high (88–94%), demonstrating that annual transiency in occupancy dominates late summer behavior for golden eagles. Despite low philopatry during late summer, variation in golden eagle occupancy could be explained by a suite of land cover and annual‐varying covariates including gross primary productivity, drought severity, and human disturbance. Our summary of 13 years of predicted occupancy by golden eagles across the western United States identified areas that are consistently used and that may contribute significantly to golden eagle conservation. Restricting development and targeting mitigation efforts in these areas offers practitioners a framework for conservation prioritization.
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 | 0,000 | 0,001 |
| 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 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 ».