Urban Avian Conservation Planning Using Species Functional Traits and Habitat Suitability Mapping
Notice bibliographique
Résumé
Urbanization adversely impacts biodiversity by reducing the quantity and quality of natural habitat areas. Additionally, the quality of natural habitat depends on its bio-physical characteristics (e.g., natural cover, impervious surfaces, urban tree canopy) as well as the functional traits of species inhabiting them (e.g., breeding/foraging habitat requirements). To better plan conservation of regional biodiversity in urbanized landscapes, it is therefore critical to assess the relationship between the landscape and the response of key Functional Trait Groups (FTGs) of species. To identify different FTGs of 116 avian species in the urbanized landscape of the Toronto region (Canada), we conducted a Functional Trait Analysis (FTA) using RLQ-fourth corner analysis. We focused on four species traits (diet, foraging, nesting, and territoriality) to identify the FTGs and their association with natural cover and landscape characteristics (landcover types, patch quality, habitat connectivity). Then, to predict FTG presence in relation to the landscape characteristics, we performed a Habitat Suitability Analysis (HSA). From this analysis, we found 21 avian FTGs with different habitat suitability values that correspond to forested patches and wetlands. The HSA for tree canopy, forest insectivore, and ground-nesting birds (or FTGs) have higher suitability values within forest patches, while aerial insectivores have higher suitability values in older residential neighborhoods indicating the value of the urban tree canopy. This methodological approach shows that by mapping habitat suitability by FTG one can identify strategic conservation areas that target multiple species, shifting efforts from a single species to a community-based functional focus. Our study highlights the conservation value of remnant and/or restored habitat patches in near urban and urban landscapes that help to maximize the persistence of regional avian biodiversity.
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 | 0,002 | 0,002 |
| 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 ».