Utilizing Copernicus and Google Earth Satellite Imagery to Define Habitat Suitability for Flying Squirrels (Glaucomys spp.) in the lower Rouge River basin, Toronto, Ontario
Notice bibliographique
Résumé
Habitat loss is the leading threat to species populations. With urbanization expanding across the landscape habitats are continuously being fragmented, leaving populations vulnerable to local extinction. It is important to assess the effects of fragmentation by determining whether current habitat conditions are suited to sustain species populations. As flying squirrels are indicators of forest health, I looked at identifying habitat conditions for northern flying squirrel species (Glaucomys sabrinus) in the southern region of Rouge National Urban Park. In this study, I classified coniferous forests through the methods of supervised classification and segmentation using ArcGIS as an attempt to improve the current provincial land cover map, SOLRIS. Coniferous forest cover maps were created using Google Earth imagery from December 30, 2005 and April 08, 2016 along with Copernicus satellite imagery from March 23, 2019. Results were mixed, with conifer classification for the two Google Earth images showing higher success based on the 2005 Google Earth image, while Copernicus results revealed greater conifer classification success based on the 2016 Google Earth image. Habitat viability of northern flying squirrels was compared between the pre-existing SOLRIS land cover map and the 2005 based Copernicus conifer cover map using metapopulation modeling. Results indicate that differences in population dynamics exist between the two maps with the Copernicus conifer cover map revealing greater habitat viability, however further research based on a better parameterized model is required to understand habitat conditions and viability of northern flying squirrels in southern Ontario.
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 ».