MétaCan
Menu
Retour à la cohorte
Enregistrement W321410979

Using cover type composition of home ranges and VHF telemetry locations of moose to interpret aerial survey results in Minnesota.

2011· article· en· W321410979 sur OpenAlexvenueno aff
Ron Moen, Andy Edwards

Notice bibliographique

RevueAlces · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRangeland and Wildlife Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAerial surveyTelemetryHabitatHome rangeRange (aeronautics)GeographyPopulationEnvironmental scienceCover (algebra)Remote sensingEcologyPhysical geographyBiologyEngineeringTelecommunications
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Although home ranges of radio-collared moose are typically used to establish habitat requirements and range size of moose, they can be useful in the implementation of aerial surveys. A survey area is usually stratified into low, medium, and high moose density blocks, and radio-collared moose can provide data to improve the stratification procedure because cover type composition in home ranges could help stratify survey blocks. VHF telemetry locations and home range data can also be used to evaluate survey results. In Minnesota high moose density survey blocks contained more of the Conifer Forest cover type and less of the Wet Bog cover type than was present in moose home ranges or VHF telemetry locations. Proportionately more moose were observed in the Mixed Forest and Regenerat- ing Forest cover types during the aerial survey, even though VHF telemetry locations indicated moose were using the Wet Bog cover type. The survey will be biased and underestimate the moose population if undetected moose are not corrected for by a Sightability Correction Factor. Further evaluation of survey data and increased resolution of moose locations is required to resolve this issue. ALCES VOL. 47: 101-112 (2011)

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,115
Score d'incertitude au seuil0,229

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,045
Tête enseignante GPT0,267
Écart entre enseignants0,222 · 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'étudeObservationnel
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

Citations5
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlcesMême sujetRangeland and Wildlife ManagementTravaux en français237 207