Influence of disturbance on the connectivity of riparian forest habitat for terrestrial vertebrates
Notice bibliographique
Résumé
Natural and anthropogenic disturbance can influence the connectivity of riparian forest ecosystems affecting the movement of terrestrial vertebrates. We examined changes in connectivity of riparian forest habitat for terrestrial vertebrates following natural and anthropogenic disturbance between 2000 and 2021. We quantified changes in patch aggregation and used a circuit-theory model (Omniscape) to quantify changes in connectivity of riparian forest habitat within three hypothetical search distances representing the movement capabilities of terrestrial vertebrates (0–500, 0–1000, 0–2000 m). We replicated the analysis for six (> 10,000 km 2 ) landscapes (i.e., provincial ecosections) in British Columbia, Canada. We used random forest regression to quantify hypothesized relationships between change in habitat connectivity and explanatory variables known to influence disturbance: topography, types of aquatic features (streams, lakes and wetlands), and management regime (industrial forest or protected area). Loss of forest across landscapes ranged from 3.1% to 12.3%. Changes in forest aggregation were consistent with clustered patterns of disturbances such as wildfire and large-scale outbreaks of bark beetles. Topography (elevation, slope, aspect) influenced changes in connectivity of riparian forest habitat. Loss of connectivity was greatest around small streams (< 5 m wide) within the finest search distance (500 m). The maintenance of forest immediately adjacent to water features, and in particular small streams, is important for ensuring the connectivity of riparian forest habitat for terrestrial vertebrates.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».