Key habitats and breeding zones of threatened golden eagles in Eastern North America identified by multi-level habitat selection study
Notice bibliographique
Résumé
Abstract Context: Wildlife surveys are limited by the capacity to collect data over the spatial extent of a population, which is challenging and costly for species of large geographic distribution in remote regions. Multi-level habitat selection models can limit the surveying extent and become tools for conservation management by identifying key areas and habitats. Objectives: We studied habitat selection of the threatened Eastern North American population of golden eagles (Aquila chrysaetos) with a multi-level approach over the population’s distribution to identify key habitats and zones of interest. Methods: Using tracking data of 30 adults and 276 nest coordinates, we modelled habitat selection at three levels: landscape, foraging and nesting. Results: At the landscape level, eagles selected topographical features (i.e., terrain ruggedness, elevation) more strongly than land cover features (forest cover, distance to water; mean difference: 0.98, CI: 0.37), suggesting that topographical features, facilitating flight and movement through the landscape, are more important than land cover, indicative of hunting opportunities. We also found that home range size was 50% smaller and relative probability of selection at all three levels was ~ 25% higher in the polar regions than boreal regions. It suggests that eagles in polar regions travel shorter foraging distances and habitat characteristic is more suitable. Conclusion: Using multi-level models, we identified key habitat characteristics for a threatened population over a large spatial scale. We also identifying areas of interest to target for a variety of life cycle needs.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 ».