MétaCan
Menu
Retour à la cohorte
Enregistrement W4413834894 · doi:10.24908/iqurcp19142

Maximum Entropy Modeling Loggerhead Shrike Distribution in Southern Ontario

2025· article· en· W4413834894 sur OpenAlexaffvenueabout
Griffin Wade-Salay

Notice bibliographique

RevueInquiry Queen s Undergraduate Research Conference Proceedings · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésShrikeGeographyEnvironmental scienceOceanographyFisheryPhysical geographyGeologyEcologyBiologyHabitat

Résumé

récupéré en direct d'OpenAlex

The Loggerhead Shrike is a critically endangered species in Ontario[1] and with climate change increasingly threatening avian habitats[2], it is expected to become even more endangered in the years to come. Additionally, the habitat of the Loggerhead Shrike is not comprehensively understood[3] which makes it an interesting subject of study. Across Ontario, the Loggerhead Shrike is found notably in two distinct pockets: one is around Napanee, and the other is just Northeast of Lake Simcoe, an area at risk of development. This study focuses on the second area and aims to leverage distribution modeling technology in the hopes of a) identifying suitable areas for the Loggerhead Shrike and b) creating a clearer picture of the bird’s ideal habitat. Given a lack of species absence data, a Presence-Only Prediction (MaxEnt) model is used within ArcGIS Pro to create a prediction surface based on input presence points from iNaturalist. Extensive research was done to choose a set of environmental variables[4] (e.g., land cover, elevation, NDVI, etc.) to be tested for significance in the model. The preliminary outputs of the model are then tested for accuracy through both an automated (resampling) and custom validation method. The latter is done by plotting the observed points against their model-predicted presence values and comparing that to an ideal scenario, in which the model’s success at identifying suitable habitats is quantitatively estimated and subsequently re-tested with different parameters and variables. Preliminary results show that low elevations, grasslands, and significant distance from roads are key habitat-determining elements. There is potential for this approach to be used in conservation efforts for nesting birds more generally. [1] Government of Ontario. (2007). Endangered Species Act, 2007, S.O. 2007, c. 6. [2] Trautmann, S. (2018). Climate change impacts on bird species. Bird Species: How they arise, modify and vanish, 217-234. |[3] Chabot, A. A., Titman, R. D., & Bird, D. M. (2001). Habitat use by loggerhead shrikes in Ontario and Quebec. Canadian Journal of Zoology, 79(5), 916-925. [4] Government of Canada; Government of Ontario; U.S. Geological Survey

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,850
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,064
Tête enseignante GPT0,328
Écart entre enseignants0,264 · 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 tête enseignante, pas un consensus.

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
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInquiry Queen s Undergraduate Research Conference ProceedingsMême sujetMarine and fisheries researchTravaux en français237 207