MétaCan
Menu
Retour à la cohorte
Enregistrement W4391284863 · doi:10.53555/sfs.v10i3.1889

Assessing The Extent Of Habitat Overlap And Resource Partitioning Between Ibex And Livestock In Khyber valley Pakistan

2023· article· en· W4391284863 sur OpenAlexvenueno aff
Faiza Javed, Asim Aslam, Muhammad Ali Nawaz

Notice bibliographique

RevueJournal of Survey in Fisheries Sciences · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLivestockHabitatGeographyResource (disambiguation)Environmental resource managementAgroforestryEcologyEnvironmental protectionEnvironmental scienceBiologyForestryComputer science

Résumé

récupéré en direct d'OpenAlex

Ibex and livestock distribution and habitat preferences were assessed using ecological niche factor analysis (ENFA). The study area was divided into 45 grid cells of 500 x 500 m pixels. Ibex and livestock were documented to occupy 30.61% and 26.5% of the study area, respectively, from June to November. Male and female ibex showed significant sexual segregation during this period. From November to May, male ibex occupied 32.6% of the study area and female ibex 34%. Livestock occupied 19% of the study area from June to September and 14.2% from September to May. The ENFA results indicated that both ibex and livestock show selective habitat preferences but are selecting for the same resources. The first two principal components (PCs) explained 49.3% and 17.88% of the variation in the data, respectively. The first PC was related to distance to settlements, distance to rivers, distance to roads, and rangelands. The second PC was related to rangelands and snow covers. The biplot of ENFA differentiated available habitats from habitat used (by ibex/livestock) through shades of grey, where light grey areas correspond to all the available habitat and dark grey area represented the used area (ecological niche of the animal). The ENFA plot indicated that though ibex and livestock have selective approach towards habitat usage, but selecting for the same resources

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,126

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,127
Tête enseignante GPT0,308
Écart entre enseignants0,182 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Survey in Fisheries SciencesMême sujetWildlife Ecology and ConservationTravaux en français237 207