Modelling fisher (martes pennanti) habitat associations in Nova Scotia
Notice bibliographique
Résumé
A slower rate of population growth in one of two fisher (Martes pennanti, Erxleben 1777) populations in Nova Scotia raised questions concerning limitations to the expansion of the western population. The current study addressed Nova Scotia Department of Natural Resources' need to increase understanding of fisher habitat associations within the province as well as to explore the limitations of using pre-existing data to model those associations. I fit multivariate logistic regression models of fisher presence and absence using explanatory variables from existing Geographic Information System (GIS) forestry data in three counties in Nova Scotia where the fisher population is well established. Comparing predictions made by applying coefficients from the best-fit model based on the entire data set, under cross-validation conditions and using an independent data set respectively showed correct classification rates of 70%, 68% and 62%. The modelling procedure was then used to predict areas of high and low quality habitat in restocking target zones not currently occupied by fishers. Chi-square tests of movement variables calculated for radio-tracked fishers were used to empirically test for differences in the response of released fishers to resident and restocking areas and to low and high quality habitat within restocking areas. Differences in the response of fishers to resident and restocking areas were detected in 5 of 7 movement variables at a significance level of p<0.1. No effect of high and low quality habitat on fisher movement was detected, suggesting the models' limited ability to predict high quality habitat.
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) | 0,005 | 0,005 |
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 ».