Does Landscape Composition Affect Wetland Occupancy by Blanding's Turtles (Emydoidea blandingii) in the National Capital Region?
Notice bibliographique
Résumé
Within a landscape, a species’ occurrence is dictated by the availability of suitable habitat and resources needed for survival; however, occurrence is not only affected by the characteristics of occupied sites, but also by the characteristics of the surrounding landscape. The endangered Blanding’s turtle (Emydoidea blandingii), a semi-aquatic freshwater turtle, occupies a wide range of wetlands and landscapes in southeastern Canada and the northeastern United States. While the effects of habitat characteristics on wetland occupancy by Blanding’s turtles have been documented, here I explore whether the probability of wetland occupancy by Blanding’s turtles is affected by the surrounding landscape. I used visual surveys, environmental DNA, and atlas data to document the presence of Blanding’s turtles. I then used boosted regression tree modelling to determine how landscape composition explains wetland occupancy. Forest cover around the surveyed wetlands was the strongest positive driver of turtle occupancy while anthropogenic land cover was the strongest negative driver of turtle occupancy. Generally, human disturbances in a landscape lowered the probability of occupancy. Overall, I determined that wetland occupancy by Blanding’s turtles is affected by landscape composition and that, therefore, wetland occupancy can successfully be predicted from the composition of the surrounding landscape.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».