Data from: Landscape connectivity for wildlife: development and validation of multi-species linkage maps
Notice bibliographique
Résumé
The ability to identify regions of high functional connectivity for multiple wildlife species is of conservation interest with respect to forest management and corridor planning. We present a method that does not require independent, field-collected data, is insensitive to the placement of source and destination sites (nodes) for modeling connectivity, and does not require the selection of a focal species. In the first step of our approach, we created a cost surface that represented permeability of the landscape to movement for a suite of species. We randomly selected nodes around the perimeter of the buffered study area and used circuit theory to connect pairs of nodes. When the buffer was removed, the resulting current density map represented, for each grid cell, the probability of use by moving animals. We found that using nodes that were randomly located around the perimeter of the buffered study area was less biased by node placement than randomly selecting nodes within the study area. We also found that a buffer of ≥ 20% of the study area width was sufficient to remove the effects of node placement on current density. We tested our method by creating a map of connectivity in the Algonquin to Adirondack region in eastern North America, and we validated the map with independently collected data. We found that amphibians and reptiles were more likely to cross roads in areas of high current density, and fishers (Pekania [Martes] pennanti) used areas with high current density within their home ranges. Our approach provides an efficient and cost-effective method of predicting areas with relatively high functional connectivity.
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 | 0,009 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,004 |
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 ».