Lichen cover mapping for caribou ranges in interior Alaska and Yukon
Notice bibliographique
Résumé
Abstract Previous research indicates that the effects of climate warming, including shrub expansion and increased fire frequency may lead to declining lichen abundance in arctic tundra and northern alpine areas. Lichens are important forage for caribou ( Rangifer tarandus ), whose populations are declining throughout most of North America. To clarify how lichen cover might affect caribou resource selection, ecologists require better data on the spatial distribution and abundance of lichen. Here, we use a combination of field data and satellite imagery to model lichen cover for a 583 200 km 2 area that fully encompasses nine caribou ranges in interior Alaska and Yukon. We aggregated data from in situ vegetation plots, aerial survey polygons and unmanned aerial vehicle (UAV) imagery to align with 30 m resolution Landsat pixels. We used these data to train a random forest model with a suite of environmental and spectral predictors to estimate lichen cover. We validated our lichen cover model using reserved training data and existing external datasets, and found that reserved data from aerial survey polygons ( R 2 = 0.77) and UAV imagery ( R 2 = 0.71) provided the best fit. We used our lichen cover map to evaluate the influence of estimated lichen cover on caribou resource selection in the Fortymile Herd from 2012 to 2018 during summer and winter. In both seasons, caribou avoided lichen-poor areas (0%–5% lichen cover) and showed stronger selection as lichen cover increased to ∼30%, above which selection leveled off. Our results suggest that terrestrial lichen cover is an important factor influencing caribou resource selection in northern boreal forests across seasons. Our lichen cover map goes beyond existing maps of lichen abundance and distribution because it incorporates extensive field data for model training and validation and estimates lichen cover over a much larger spatial extent. We expect our landscape-scale map will be useful for understanding trends in lichen abundance and distribution, as well as for caribou research, management and conservation.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».