Notice bibliographique
Résumé
COVER PHOTO: Many wildlife species, such as grizzly bears (Ursus arctos horribilus), are “unmarked,” bearing no individually recognizable characteristics, thereby preventing easy application of common spatial mark–recapture or mark–resight methods. However, when a portion of the population is marked, for example, with ear tags or GPS collars, ecologists can apply spatial mark–resight models that borrow information from the marked sample to infer spatial density for the unmarked sample. Whittington et al. (Ecosphere, Volume 16, Issue 4, Article e70246; doi: 10.1002/ecs2.70246) used simulations and empirical approaches to evaluate the efficacy of such generalized spatial mark–resight (gSMR) models applied to the grizzly bear, a cryptic, low-density, large carnivore species of conservation concern throughout its distribution. Simulation models confirmed the reliability of two different formulations of the novel gSMR model. When applied to a population of conservation concern in and adjacent to Banff National Park, Alberta, Canada, the authors found that the grizzly bear population increased slightly over a 12-year period and that reproductive females occurred at much lower densities. Spatial models also revealed that density was the highest within protected areas, in high-quality habitat, and in areas far from paved roads in this busy national park setting. This research demonstrates that the model could be applied to other cryptic, low-density, partially marked animals across the globe. Photo credit: Dan Rafla.
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 | 0,000 | 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) | 0,763 | 0,732 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».