Quantifying Coyote (Canis latrans) Abundance and Habitat Use in the Long Point National Wildlife Area Using Camera Traps
Notice bibliographique
Résumé
Coyotes (Canis latrans) are a widespread predator within North America, acting as a keystone species in a variety of ecosystems. Within protected areas, understanding the role of coyotes as a top predator is important for effective management. However, studying coyotes is challenging as the species is elusive and highly plastic in their abundance, spatial temporal distribution, habitat selection, and choice of prey. Within the Long Point National Wildlife Area (LPNWA) coyotes have been identified as a top predator but management lacks up-to-date information about the coyote population. In the summer of 2022, we initiated a two-year camera trapping study using 30 cameras rotated across 90 sites in a 500 m2 hexagonal grid arranged across the LPNWA Long Point Unit. Using the observations at each site, the Random Encounter Model (REM) was applied to estimate the density of adults and pups across the breeding and pup-rearing seasons from 2022 to 2024. Generalized linear models (GLMs) were created to inform how different characteristics of the landscape (e.g., habitat type, distance to shore, topography) influence the activity of coyotes across climactic seasons. The results of this study will inform on the density and habitat use of the coyotes to provide baseline information for Canadian Wildlife Service management.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».