Data from: Assessing Catharus bicknelli (Bicknell’s Thrush) habitat dynamics: A high-resolution model based on LiDAR metrics
Notice bibliographique
Résumé
Assessing species occurrences can be challenging due to issues such as species detectability and difficulties in accessing habitats for surveys. These limitations hinder the ability to adequately inform conservation or management decisions, particularly for cryptic species, which can be partially addressed with high-resolution, spatially explicit models. However, high-resolution, spatially explicit models projecting species can help resolve these challenges. We modeled the probability of occurrence of Catharus bicknelli (Bicknell’s Thrush), a globally vulnerable species, in southern Québec (Canada) using LiDAR-derived metrics. The model was calibrated with 139 occurrences (with 10-m spatial accuracy), each paired with 10 random locations within a 523-1,569 m buffer, and validated with an independent dataset of 3,928 point counts. Based on model output, we applied two statistical thresholds to guide decision-making. The probability of occurrence of the species was highest in dense, low-canopy balsam fir stands at high elevation. The top-ranked model also included forest succession, with an adjustment to canopy height to account for tree growth since the LiDAR data were acquired. This modelling approach provides a valuable tool for tracking the spatio-temporal dynamics of Catharus bicknelli (Bicknell’s Thrush) habitat and informing more effective conservation strategies for this species at risk in Canada.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,008 |
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 ».