<scp>ECODATA</scp> : A toolbox to efficiently explore and communicate animal movements alongside environmental and anthropogenic context using geospatial big data
Notice bibliographique
Résumé
Abstract Integrating complex geospatial data into research and applications for wildlife ecology remains a challenge. For example, animations of wildlife tracking data can be useful for developing hypotheses, communicating with stakeholders and infrastructure planning. Conveying an effective message often requires visualizing movements in relation to custom background layers, such as dynamic weather conditions or local transportation features. However, animations are commonly made using software that is easy to use but offers few options for input layers, thus limiting their impact. Alternatively, bespoke solutions require advanced programming skills that are not readily available for many ecologists. We developed ECODATA, a suite of open‐source tools to support exploration, analysis and visualization of animal movements and dynamic geospatial data layers. The tools do not require programming skills and guide users through the process of manipulating vector, raster and tabular data files to prepare inputs to custom animations or further analyses. The software was developed by a team of remote sensing experts, quantitative ecologists, wildlife managers and conservation practitioners. We demonstrate the use of ECODATA through two examples. The first describes the use of the software to animate movements of elk ( Cervus elaphus ) and wolves ( Canis lupus ) in relation to roads, wildlife crossing structures and seasonal vegetation green‐up near Banff National Park in Canada. The second illustrates the impact of the software on wildlife management, with an animation of caribou ( Rangifer tarandus ) movements and parturitions during the calving season. Both examples include processed remote sensing data and feature layers that provide relevant local context. ECODATA offers a novel resource to explore and communicate animals' interactions with their environment, informing management decisions and conservation strategies. The flexible tools for geospatial data manipulation can be used for data visualization, as described here, or to create predictor variables for inclusion in habitat selection or other ecological models.
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 | 0,004 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,162 | 0,057 |
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 ».