Notice bibliographique
Résumé
Kanta-arvion 2022 perusteella Suomen ilveskanta on pysynyt pääosin ennallaan. Ennen metsästyskautta 2022/2023 Suomessa arvioidaan olevan 2 150–2 405 yli vuoden ikäistä ilvestä. Pentuehavaintojen perusteella vuonna 2021 havaittiin 394–435 pentuetta, mikä on noin seitsemän pentuetta (2 %) enemmän kuin vuotta aikaisemmin. Arviossa ei ole mukana Ahvenanmaan pentuehavaintoja. Se ei myöskään sisällä arviota touko-kesäkuussa 2022 syntyneistä pennuista. \nPääosassa maata ilveskanta on pysynyt ennallaan tai kasvu on ollut hyvin loivaa. Ilveskanta on kasvanut neljällä Suomen riistakeskuksen alueista: Etelä-Hämeessä, Etelä-Savossa, Pohjanmaalla ja Varsinais-Suomessa. Pentueiden määrä on edelliseen vuoteen verrattuna pienentynyt Kainuun ja Lapin poronhoitoalueen ulkopuolisilla alueilla, Pohjois-Hämeessä ja Uudellamaalla. \nIlveskannan säilyminen edellisvuotisella tasolla on seurausta viime vuoden metsästysverotustasosta. Ilvesten luontaisessa kuolleisuudessa ei ole tapahtunut tiedossa olevia muutoksia aikaisempiin vuosiin verrattuna. Ilveskannan aikaisemman laskusuunnan merkittävimpänä syynä on ollut metsästyskuolleisuus. \nKanta-arvio pohjautuu petoyhdyshenkilöiden 1.9.2021–28.2.2022 kirjaamien pentuehavaintojen pohjalta tehtyyn arvioon erillisten pentueiden määrästä. Kaikki ilveshavainnot pitivät sisällään yhteensä ~ 3 900 kpl ilvespentueiden näkö- ja jälkihavaintoa, mikä on hieman enemmän kuin vastaavana aikajaksona kaudella 2020–2021. Tähän lienee vaikuttunut viime talven erinomainen lumitilanne.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,870 | 0,170 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».