Relation entre les caractéristiques biophysiques du milieu naturel et les observations de grizzlis (Ursus arctus), Parc national Kluane au Yukon apport d'une image TM de Landsat et d'un modèle numérique d'altitude dans un système d'information géographique
Bibliographic record
Abstract
Au Parc national Kluane (Yukon), le grizzli (Ursus arctos ) se retrouve à la tête de la chaîne alimentaire nordique et il est un bon indicateur de l'intégrité écologique de cet écosystème. C'est dans une optique de survie de l'espèce et de sécurité envers les humains qu'une étude sur son habitat est réalisée. Dans cette étude, on démontre qu'il existe une relation directe entre les caractéristiques biophysiques du milieu et la répartition des observations d'ours dans la vallée de la rivière Slims. Cette relation est présentée au moyen d'une carte de probabilité de présence d'ours. Cette relation varie au cours de la période estivale, en fonction des habitudes alimentaires changeantes des ours. La saison la plus critique est la fin de l'été. Les milieux naturels le plus prisés sont le milieu arbustes feuillus (printemps), la prairie alpine (début d'été), la zone de végétation éparse sur dépôts alluviaux (fin d'été) et la forêt ouverte d'épinettes (automne). Près de 60% des observations se font dans ces quatre classes d'habitats préférentiels. De plus, les observations d'ours sont plus fréquentes à des altitudes variant entre 720 et 940 m et entre 1 380 et 1 600 m, sur des pentes entre 0 et 15% et orientées vers l'est et le nord-est. Les données recueillies sur le terrain sont la biomasse présente en terme d'abondance de nourriture d'ours, le type de couvert végétal, les types de formations meubles et les observations d'ours par les visiteurs sur 10 ans. En combinant ces données dans un système d'information géographique, il est possible de réaliser une gestion intégrée plus efficace du territoire et surtout de l'espèce vulnérable qu'est le grizzli.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".