Studying deer habitat on Anticosti Island, Québec: relating animal occurrences and forest map information
Notice bibliographique
Résumé
Forest maps are widely available and can provide an inexpensive way to analyse ecological phenomena at a landscape level. This paper presents a case study whose objective was to help manage the deer herd and associated habitat on Anticosti Island. The selection by deer of winter habitat was analysed spatially using aerial survey data and a forest map produced by interpretation of aerial photographs. Initially, it was demonstrated that the spatial distr ibution of deer across the landscape could not be considered random. Grid cells of two different sizes—500 m×500 m and 1 km×1 km—were extracted from the forest map, and landscape indices thought to be relevant were calculated for each to characterize the key landscape features on which deer select their winter habitat. To do this, the landscape indices were correlated with the number of deer found in grid cells of a given size. It was found that deer preferred areas on which balsam fir was present, and areas in which there was a relatively high concentration of regeneration/dense forest edge. Correlations were better for the larger grid cell size suggesting that deer on Anticosti Island selected habitat based on an area larger than 500 m×500 m. However, it is noted that this result is probably also due in part to the modifiable areal unit problem (MAUP) whereby larger window sizes tend to provide better correlations between two variables. The location of the grid cells within the study area also affected the results slightly.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».