Habitat Suitability and Conflict Zone Mapping for the Blue Bull (Boselaphus tragocamelus) across Nepal
Notice bibliographique
Résumé
Rapidly changing environmental conditions (bioclimatic, anthropogenic, topographic, and vegetation-related variables) are likely to alter the spatial distribution of flora and fauna. To understand the influence of environmental variables on the Blue bull’s distribution and to identify potential conflict zones, the habitat suitability analysis of the Blue bull was performed using ensemble modeling. We modelled the distribution of the Blue bull using an extensive database on the current distribution of the Blue bull and selected 15 ecologically significant environmental variables. We used ten species distribution modeling algorithms available in the BIOMOD2 R package. Among the ten algorithms, the Random Forest, Maxent, and Generalized linear model had the highest mean true skill statistics scores, ensuring better model performance, and were considered for further analysis. We found that 22,462.57 km2 (15.26%) of Nepal is suitable for the Blue bull. Slope, precipitation seasonality, and distance to the road are the environmental variables contributing the most to the distribution of Blue bull. Of the total predicted suitable habitats, 86% lies outside protected areas and 55% overlaps with agricultural land. Thus, we recommend that the future conservation initiatives including appropriate conflict mitigation measures should be prioritized equally in both protected areas and outside protected areas to ensure the species’ survival in the region.
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 | 0,001 | 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) | 0,004 | 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 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 ».