Predicting areas important for ecological connectivity throughout Canada
Notice bibliographique
Résumé
Governments around the world have acknowledged that urgent action is needed to conserve and restore ecological connectivity to help reverse the decline of biodiversity. In this study we tested the hypothesis that functional connectivity for multiple species can be estimated across Canada using a single, upstream connectivity model. We developed a movement cost layer with cost values assigned using expert opinion to anthropogenic land cover features and natural features based on their known and assumed effects on the movement of terrestrial, non-volant fauna. We used Circuitscape to conduct an omnidirectional connectivity analysis for terrestrial landscapes, in which the potential contribution of all landscape elements to connectivity were considered and where source and destination nodes were independent of land tenure. Our resulting map of mean current density provided a seamless estimate of movement probability at a 300 m resolution across Canada. We tested predictions in our map using a variety of independently collected wildlife data. We found that GPS data for individual caribou, wolves, moose, and elk that traveled longer distances in western Canada were all significantly correlated with areas of high current densities. The frequency of moose roadkill in New Brunswick was also positively associated with current density, but our map was not able to predict areas of high road mortality for herpetofauna in southern Ontario. The results demonstrate that an upstream modelling approach can be used to characterize functional connectivity for multiple species across a large study area. Our national connectivity map can help governments in Canada prioritize land management decisions to conserve and restore connectivity at both national and regional scales.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».