Evaluating expert‐based habitat suitability information of terrestrial mammals with <scp>GPS‐</scp>tracking data
Notice bibliographique
Résumé
Aim: Macroecological studies that require habitat suitability data for many species often derive this information from expert opinion. However, expert-based information is inherently subjective and thus prone to errors. The increasing availability of GPS tracking data offers opportunities to evaluate and supplement expert-based information with detailed empirical evidence. Here, we compared expert-based habitat suitability information from the International Union for Conservation of Nature (IUCN) with habitat suitability information derived from GPS-tracking data of 1,498 individuals from 49 mammal species. Location: Worldwide. Time period: 1998-2021. Major taxa studied: Forty-nine terrestrial mammal species. Methods: Using GPS data, we estimated two measures of habitat suitability for each individual animal: proportional habitat use (proportion of GPS locations within a habitat type), and selection ratio (habitat use relative to its availability). For each individual we then evaluated whether the GPS-based habitat suitability measures were in agreement with the IUCN data. To that end, we calculated the probability that the ranking of empirical habitat suitability measures was in agreement with IUCN's classification into suitable, marginal and unsuitable habitat types. Results: IUCN habitat suitability data were in accordance with the GPS data (> 95% probability of agreement) for 33 out of 49 species based on proportional habitat use estimates and for 25 out of 49 species based on selection ratios. In addition, 37 and 34 species had a > 50% probability of agreement based on proportional habitat use and selection ratios, respectively. Main conclusions: We show how GPS-tracking data can be used to evaluate IUCN habitat suitability data. Our findings indicate that for the majority of species included in this study, it is appropriate to use IUCN habitat suitability data in macroecological studies. Furthermore, we show that GPS-tracking data can be used to identify and prioritize species and habitat types for re-evaluation of IUCN habitat suitability data.
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 | 0,025 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».