Modelling connectivity among resource wave hotspots: bears and spawning salmon of coastal British Columbia
Notice bibliographique
Résumé
Understanding how important landscape features are connected can provide key information for the management of ecological systems, particularly insight into how species move through and interact with their environment. Landscape features and their spatial arrangement can either promote or deter movement among resource patches by individuals. Over microevolutionary time periods, such movement allows for the persistence of population structure via the exchange of genetic material, particularly in metapopulations spatially separated over fragmented landscapes. Over shorter ecological periods, and less understood, the presence and distribution of important food patches can influence habitat connectivity for mobile species, such as large carnivores. In this work, we examined how five species of Pacific salmon (Oncorhynchus spp.), which spawn across varying times (~late April to ~late December) and spatial locations throughout coastal British Columbia (BC), might be associated with movement by grizzly bears (Ursus arctos horribilis). Following “resource waves”, spatial data show how these mobile consumers track salmon spawns as runs become available over space and time throughout the spawning season. In coastal BC, where bears have never been radio-collared, we know little about how landscape features might affect their ability to travel among salmon spawns. Such information is essential to proactive landscape planning for forest management. Following circuit theory, we used Circuitscape to predict movement among these important resource patches within a 17,000km2 study area. Variables affecting grizzly movement were parameterized during collaborative meetings with the Heiltsuk Integrated Resource Management Department (HIRMD) and incorporated Indigenous and local knowledge. The modelled current flows suggested important areas of high predicted connectivity between salmon spawns within and among watersheds. Furthermore, we illustrated potential corridors within the unprotected forest matrix for consideration by HIRMD. Broadly, this work unites connectivity modelling and resource waves research to consider movement among food patches, and directly informs conservation planning by an Indigenous government.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».