MétaCan
Menu
Retour à la cohorte
Enregistrement W2982285709 · doi:10.1016/j.ecoinf.2019.101013

A stochastic modelling framework to accommodate the inter-annual variability of habitat conditions for Peary caribou (Rangifer tarandus pearyi) populations

2019· article· en· W2982285709 sur OpenAlexafffundabout
Samarth Kaluskar, Cheryl A. Johnson, E. Agnes Blukacz‐Richards, Félix Ouellet, Dong‐Kyun Kim, George B. Arhonditsis

Notice bibliographique

RevueEcological Informatics · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueIndigenous Studies and Ecology
Établissements canadiensEnvironment and Climate Change CanadaUniversity of Toronto
Organismes subventionnairesDepartment of the Environment, Australian GovernmentGovernment of Canada
Mots-clésArcticEcologyArchipelagoPopulationSnowHabitatGeographyRange (aeronautics)PredationClimate changeTundraEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

Climate variability and a wide range of anthropogenic disturbances in the Canadian Arctic Archipelago (CAA) have a negative impact on Peary caribou (Rangifer tarandus pearyi) populations by encumbering seasonal migration patterns, forage accessibility, and calving processes. Increasing Arctic temperatures and precipitation along with the higher frequency of extreme weather events (winter cyclones, rain-on-snow) are responsible for spatiotemporal shifts in floral and faunal phenology, changes in species overlap, and functional alterations of trophic relationships. Building upon empirical estimates of the Peary caribou population rates of change on the Canadian Arctic Archipelago, we introduce a two-pronged approach aiming to characterize year-to-year variability of habitat conditions across the Canadian Arctic Archipelago from 2000 to 2013. Our explanatory variables are based on meteorological (surface snow melt, precipitation, temperature, wind speed) variables, landscape features (fraction of rockland), and resource competition with muskoxen (Ovibos moschatus). These habitat suitability estimates form the basis of a stochastic algorithm to recreate the population growth rates and identify locations, where Peary caribou could experience >10%, 25%, or 50% decrease relative to the population levels at the beginning of our study period. Our analysis identifies the Boothia island complex as a high-risk area, where the low Peary caribou population size is suggestive of their increased susceptibility to extirpation after episodic weather-related events, disease outbreaks, or even elevated incidental predation. In Banks island complex, we provide evidence that the volunteered curtailment of hunting, achieved through co-management between Indigenous communities and regional biologists, moderated (and possibly reversed) the declining trends as established during the pre-2000 period. Our random-walk search also suggests that the prevailing habitat conditions in Melville and Bathurst island complexes were generally favorable and could partly explain the recent Peary caribou population increase. We conclude by identifying unaccounted factors that are critical for building an empirical modelling framework with quasi-mechanistic foundation in order to evaluate the impact of climate change on the integrity of Peary caribou populations within any location of the Canadian Arctic.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,892
Score d'incertitude au seuil0,214

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0030,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,076
Tête enseignante GPT0,393
Écart entre enseignants0,317 · 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

Citations6
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEcological InformaticsMême sujetIndigenous Studies and EcologyTravaux en français237 207