MétaCan
Menu
Retour à la cohorte
Enregistrement W7008875351

Couplage du logiciel de modélisation de l’habitat MaxEnt à des simulations du couvert nival pour l’amélioration de la prédiction de présence du caribou de Peary

2020· other· fr· W7008875351 sur OpenAlexfundaboutno aff

Notice bibliographique

RevueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2020
Typeother
Languefr
DomaineArts and Humanities
ThématiqueCybernetics and Technology in Society
Établissements canadiensnon disponible
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of CanadaEnvironment and Climate Change CanadaInstitut National de Recherche en Sciences et Technologies pour l'Environnement et l'AgriculturePolar Knowledge Canada
Mots-clésEnvironmental factorForest regenerationFire ecologyFire history
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Les changements climatiques en Arctique sont actuellement les plus rapides à l’échelle planétaire. Le réchauffement de l’air induit des variations importantes à plusieurs niveaux, comme des évènements de pluie-sur-neige (PSN) de plus en plus fréquents en Arctique. Les PSN ont des impacts très variés, notamment au niveau de la faune, avec la création de croutes de glace suivant le retour des températures froides après l’épisode de PSN. La végétation, enclavée sous la couche de glace au sol, devient difficile d’accès, voire inaccessible pour les herbivores souvent pour de longues périodes et sur de grands territoires pouvant entrainer des épisodes de mort massive. Beaucoup de ces épisodes sont documentés, notamment chez le caribou de Peary (Rangifer tarandus pearyi) dans l’Archipel Arctique Canadien. Les contraintes d’accessibilité aux ressources alimentaires ont le potentiel de limiter leur croissance et leur survie, dans un contexte où les phénomènes de PSN, tout comme les couches de neige à haute densité, peuvent en restreindre grandement l’accessibilité. Plusieurs études ont créé des modèles de prédiction de l’habitat du caribou, mais jamais en intégrant une modélisation spatiale de la neige. L’objectif de cette étude est de développer et valider un Système d’Informations Géographiques (SIG) de modélisation à haute résolution spatiale des propriétés nivales affectant l’accès à la nourriture pour le caribou de Peary en utilisant le logiciel MaxEnt. Les résultats présentés dans ce mémoire montrent principalement que la neige, spécifiquement l’épaisseur et la densité de celles-ci, sont des variables qui influencent le choix d’habitat du caribou de Peary dans chacune des saisons biologiques. Les modèles développés montrent que la modélisation de la neige par le modèle SNOWPACK est un outil utile à l’étude de l’écologie du caribou de Peary.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,475
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,003
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,196
Écart entre enseignants0,186 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Même sujetCybernetics and Technology in SocietyTravaux en français237 207