Rare plant detection methods and their application to the Canadian context
Notice bibliographique
Résumé
Rare species can be particularly vulnerable to population decline and extinction due to inbreeding depression, genetic drift, Allee effects, stochastic events, and anthropogenic disturbances. However, information about these species is often limited because they may be difficult to detect in the field. This is especially true for rare plants, whose detection in field surveys is poorly understood. The objective of my thesis was to examine the practical utility of both novel techniques (i.e., community science, remote sensing, environmental DNA) and traditional field survey methods (i.e., transect-based and unstructured search surveys) for detecting rare plants. We found that community science has mainly been used to detect herbs in urban areas, highlighting the conservation value of some urban spaces. Remote sensing has mainly been used to detect trees but also a small number of herbs in forests, suggesting that, given the right survey timing, it may be possible to detect plants via remote sensing in closed environments. Environmental DNA has mainly been used to detect herbs in semi-open habitats, such as shrublands and wetlands, but due to the limited number of eDNA studies, we could not determine the most suitable habitats for this technique. In addition, we empirically demonstrated that drones could detect fading, partially hidden plants, and some plants potentially missed by transect-based surveys. However, our drone survey could not provide exact plant counts and was more expensive and time-consuming. Regarding traditional field survey methods, we found no difference in detectability between transect-based and unstructured search surveys. However, transect-based surveys covered a slightly larger portion of our study area, while unstructured surveys detected slightly more plants per time unit. This suggests that when time is critical, unstructured surveys may be more efficient but when the habitat preferences of the target species are unknown, transect-based surveys may be better to ensure a comprehensive coverage of the study area. By evaluating the efficiency of field survey methods for detecting rare plants, we can develop more effective monitoring strategies and make optimal use of limited time and financial resources. This can better inform conservation efforts to protect rare plants from extinction.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».