National-scale multispecies connectivity models represent movements for a majority of species tested
Notice bibliographique
Résumé
Abstract Context Ideally, connectivity models would be developed using animal movement data because connectivity is fundamentally specific to species and movement processes. However, it can take years to collect sufficient data for all species of interest. Generalized multispecies connectivity models developed from expert opinion might help in the meantime. Objectives We aimed to evaluate how well two common types of circuit theory-based generalized multispecies connectivity models (park-to-park and omnidirectional) predict areas important for animal movement for many species and movement processes. Methods Using GPS locations from 3525 individuals belonging to 17 species from 46 study areas across Canada and five tests, we assessed connectivity model prediction accuracy against movement processes measured at different scales, from within home range to presumed dispersal. Results Areas important for movement were accurately predicted for 52 to 78% of the datasets and movement processes. Prediction accuracy was lower for fast movements. The omnidirectional model was slightly better at predicting areas important for multiple movement processes. Both models were more accurate for species known to be more averse to human disturbance (72–78% of tests were accurate) compared to species less averse to human disturbance, steep slopes, and/or high elevations (38–41% of tests were accurate). Conclusions Our study demonstrates that both park-to-park and omnidirectional multispecies connectivity models can predict areas important for various movements for many species and can be used for time-sensitive projects aimed at landscape-scale connectivity conservation. However, because the models were less accurate for some species and faster movements, species-specific connectivity models may be required for informing land management decisions.
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) | 0,001 | 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 tête enseignante, 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 ».