Modeling Marbled Murrelet nesting habitat: a quantitative approach using airborne laser scanning data in British Columbia, Canada
Notice bibliographique
Résumé
The Marbled Murrelet (Brachyramphus marmoratus) is a tree-nesting seabird found along the Pacific coast of North America whose forest nesting habitat has dramatically declined over the last century. Mapping the remaining nesting habitat is a core step in the conservation of this species at risk. Fine-scale mapping efforts are expected to be enhanced by airborne laser scanning (ALS) data (an application of lidar technology), which provides quantitative measures of forest structure. We present an ALS-informed model for Marbled Murrelet nesting habitat in British Columbia (BC), Canada, using ecologically relevant predictors. Two rare species modeling approaches, i.e., ensembles of small models (ESMs) and maximum entropy modeling (MaxEnt), were evaluated to link 58 nest locations with ALS and non-ALS predictors at a 100-m resolution in Desolation Sound (DS). An independent model transfer was conducted in Clayoquot Sound (CS) with 21 nests. The top model that balanced parsimony with strong performance in both areas was built with MaxEnt using only two predictors, forest vertical complexity and internal forest gaps. This model achieved good performance in DS (AUC = 0.77, Boyce index = 0.99) and reasonable performance in CS (AUC = 0.63, Boyce index = 0.67). On average, the most suitable nesting habitat was found in small clusters (< 2 ha) within older forest and less suitable habitat within younger forest. Our results broadly align with existing maps of nesting habitat produced from low-level aerial surveys. However, we predicted additional suitable nesting areas not detected by aerial habitat mapping and found large variations in habitat quality within mapped areas of suitable forest. This study offers a quantitative method to predict the nesting habitat of an elusive species with a small sample of occurrence records. With successful field verification, our model could be a valuable tool for Marbled Murrelet management in BC.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».