Dynamic connectivity assessment for a terrestrial predator in a metropolitan region (data)
Notice bibliographique
Résumé
Data used in manuscript, Dynamic connectivity assessment for a terrestrial predator in a metropolitan region, containing coyote steps within the Greater Toronto Area, Canada with vegetation density (NDVI), impervious surface (building density), human population density, and distance to linear features extracted for each start and end step. Linear features labeled following traffic: low (LT), medium (MT), high (HT), and function hiking trails (NT) and public service (PS; (ie. railways and transmission lines). Code Repository: https://github.com/tgelmi-candusso/Dynamic-connectivity-assessment-for-a-terrestrial-predator-in-a-metropolitan-region Coyotes (n = 27; Figure 1) were monitored between 2012 and 2021 for 245 ± 136 days (mean ± standard deviation). Coyotes were live-trapped with padded foothold traps, approved by the Ontario Ministry of Natural Resources Wildlife Animal Care Committee (protocols 75-12, 75-13, 75-14 ) or captured with nets by the Toronto Wildlife Centre, and fitted with self-releasing GPS-collars (Lotek Wildcell SG, Newmarket, Canada), recording location data, resampled following the median sampling frequency in order to maintain a constant sampling frequency for each individual (1-3 hours; Appendix S1: Table S1, http://doi.org/10.1002/fee.2633 ). The data were well balanced in terms of demographic traits (12 females/15 males, 19 adults/eight juveniles, 22 residents/15 transients). Residents and transients were distinguished based on movement characteristics. From consecutive GPS-collar locations, we calculated the turning angle and step length with the steps_by_burst() function from the R package amt (Signer et al. 2019). After fitting the distributions to observed step lengths and turning angles, we generated nine random available steps for each observed step using the random_steps() function from the R package amt (Signer et al. 2019). We standardized the fixed variables included in the model and extracted their values at the endpoint of each step. The fixed variables included four urban landscape covariates: vegetation density (normalized difference vegetation index or NDVI), human population density, impervious surface, and linear features. To measure the spatiotemporal dynamic responses of coyotes, we included the interaction of the fixed variables with three temporal scales (diel cycles, biological seasons, and climate seasons) and three demographic traits (coyote age, sex, and social status). More information on the data and how it was used available at http://doi.org/10.1002/fee.2633
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 | 0,002 |
| 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 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 ».