Field-validated species distribution model of Canada Warbler (Cardellina canadensis) in Northwestern Ontario
Notice bibliographique
Résumé
The Canada Warbler (CAWA) is a species of conservation concern, but its ecological needs and distribution remain poorly understood. Additionally, contradictory findings exist regarding the impact of logging on CAWA abundance and habitat use. Furthermore, its habitat needs may be distorted by limitations in current habitat availability compared to historical conditions. We developed a predictive high-resolution (30 m) field-validated species distribution model (SDM) in Ecoregion 4W of Northwestern Ontario, Canada, where little field-derived information about the species is available. We aimed to assess how time since disturbance mainly due by logging affects CAWA occurrence and distribution and also the accuracy of the model by ground-truth validation. We used a desktop dataset from different sources, and due to limited number of observations (78 after filtered) we enhanced the dataset with field-collected data gathered in 2021 and 2022. We ran different models also to test the accuracy of the models using only desktop data and a datasete enhances with field-collected data. The SDM’s environmental covariates included a bare soil index (BASI), a normalized water index (NDWI) as an indicator of deciduos vegetation, an enhanced vegetation index (EVI), a digital elevation model (DEM), years since disturbance (DISTURB [usually by logging] 1-20 years since last disturbance happened, 21 value represent undisturbed or no disturbed more than 20 years ago), distance to mature coniferous forest (D_CONIF), tree canopy height (CAN) and distance to water (WATER) as indicator of riparian zones. The models that used field-collected data showed a moderate performance for both training and test data (AUC 0.7) while the model that used only desktop dataset showed a poor performance (AUC 0.6); NDWI, WATER, EVI and D_CONIF were the most influential covariates indicating high association of CAWA to deciduous vegetation, riparian areas, shrub cover and importance of coniferous stands. CAWA occurrence probability was high in undisturbed areas, but also it has a high predicted probability (>0.6) in areas within six years since disturbance; CAWA may take advantage of regenerated forest depending on shrub density and retention of old-growth forest structure ( CAWA had a high prediction of occurrence areas with canopies higher than 10m tall).
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».