Multi-scale selection models predict breeding habitat for two Arctic-breeding raptor species
Notice bibliographique
Résumé
Raptors are important environmental indicators because they are apex predators and can be sensitive to disturbance. Few studies have addressed habitat preferences of tundra-nesting raptors, and those that exist have focused on fine-scale characteristics. With increasing economic development predicted to occur throughout the Canadian Arctic, the investigation of raptor breeding habitat at broad spatial scales is required. We modeled breeding habitat selection for two raptor species on north Baffin Island, NU, Canada. During aerial surveys conducted over six breeding seasons, we documented 172 peregrine falcon (Falco peregrinus tundrius) and 160 rough-legged hawk (Buteo lagopus) nesting sites. We used these locations in conjunction with remote sensing data to build habitat selection models at three spatial scales. Topography, distance to water, and normalized difference vegetation index explained selection at all scales; slope aspect was also important at the finest scale. To validate landscape scale models, we conducted a validation survey that resulted in the detection of 45 new nests (peregrine falcon n = 21, rough-legged hawk n = 24). We did not detect any new nests in areas where model-predicted occurrence was expected to be low. Conversely, we found more than half of previously undetected nests in areas where model-predicted occurrence was expected to be high.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».