Enabling safe passage: predicting river crossing hotspots for a threatened boreal ungulate susceptible to drowning
Notice bibliographique
Résumé
Abstract Many mammals cross large rivers to access seasonal habitats, yet river crossing behavior is poorly acknowledged or understood. Crossing large rivers is inherently risky, with vessel traffic and flooding events increasing the risk of drowning. We investigated river crossing behavior by threatened bison (Bison bison) in the boreal forest, using data from 11 GPS-collared animals to identify when and where they cross a major river. We used kernel densities of GPS locations to identify crossing hotspots, and developed resource selection function (RSF) models that used habitat characteristics to explain crossing behavior based on a priori hypotheses. We then predicted high-probability crossing areas along a 400-km stretch of river using the best-supported RSF model. Bison regularly crossed the river (x¯ = 8.6 crossings/100 days), particularly during summer months. Model selection results suggested that bison may have chosen river crossing areas that maximized access to forage. Bison preferred to cross the river near islands and areas with high seismic line densities, both of which were likely preferred summer foraging habitats. In addition, islands may have been used as temporary stopovers while crossing the river, or for relief from biting insects. Bison crossed the river where the channel was relatively narrow (x¯ = 400 ± 213 m [SD]) and chose days when river discharge was low, likely to reduce the risk of drowning, exhaustion, or hypothermia. While based on a small sample of collared bison, predictions about high-probability crossing areas may be used to inform mitigation measures aimed at reducing bison drowning caused by vessel traffic, which is expected to increase as resource development expands in the region. Our approach may be informative for identifying river crossing hotspots for other mammals that cross major rivers.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 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 ».