Key breeding habitats of threatened golden eagles across Eastern Canada identified using a multi-level, multi-scale habitat selection approach
Notice bibliographique
Résumé
Abstract Context In a conservation context, identifying key habitats suitable for reproduction, foraging, or survival is a useful tool, yet challenging for species with large geographic distributions and/or living in remote regions. Objectives The objective of this study is to identify selected habitats at multiple levels and scales of the threatened eastern North American population of golden eagles ( Aquila chrysaetos ). We studied habitat selection at three levels: landscape (second order of selection), foraging (third order of selection), and nesting (fourth order of selection). Methods Using tracking data from 30 adults and 366 nest coordinates spanning over a 1.5 million km 2 area in remote boreal and Arctic regions, we modelled the three levels of habitat selection with resource selection functions using seven environmental features (aerial, topographical, and land cover). We then calculated the relative probability of selection in the study area to identify regions with higher probabilities of selection. Results Eagles selected more for terrain ruggedness index and relative elevation than land cover (i.e., forest cover, distance to water; mean difference in relative selection strength: 1.2 [0.71; 1.69], 95% CI) at all three levels. We also found that the relative probability of selection at all three levels was ~ 25% higher in the Arctic than in the boreal regions. Eagles breeding in the Arctic travelled shorter foraging distances with greater access to habitat with a high probability of selection than boreal eagles. Conclusion Here we found which aerial and topographical features were important for several of the eagles’ life cycle needs. We also identified important areas to monitor and preserve this threatened population. The next step is to quantify the quality of habitat by linking our multi-level, multi-scale approach to population demography and performance such as reproductive success.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».