La connectivité fonctionnelle au fil des saisons : cas d’étude avec la martre d’Amérique au parc national Forillon
Bibliographic record
Abstract
Les aires protégées peuvent contribuer à réduire la perte de biodiversité en maintenant des fonctions écologiques clés. Atteindre cet objectif implique d’identifier et de protéger les corridors de déplacement favorables à la faune en périphérie des aires protégées. Nous avons aidé Parcs Canada pour localiser des corridors favorables aux déplacements de la martre d’Amérique (Martes americana) dans le parc national Forillon et sa périphérie. Puisque le comportement des animaux peut changer selon les variations des conditions environnementales, nous avons effectué cet exercice durant 2 périodes contrastées : sans neige (mai-novembre) et avec neige (décembre-avril). Nous avons utilisé des données télémétriques GPS pour caractériser les patrons de sélection d’habitats saisonniers, lesquels nous ont permis de modéliser la résistance du paysage et d’identifier les parcelles d’habitats favorables à la connectivité. Nous avons ensuite utilisé la théorie des circuits électriques pour délimiter les corridors entre ces parcelles. Les martres évitaient les milieux ouverts, les altitudes élevées et la proximité des routes durant la période sans neige, alors qu’elles évitaient les routes secondaires, mais sélectionnaient des zones proches des routes principales et des bâtiments durant la période avec neige. La localisation des corridors variait aussi entre les périodes : la connectivité augmentait avec la présence de forêts en régénération (21-60 ans) et de forêts résineuses matures (> 60 ans) et diminuait avec la présence de milieux ouverts. Notre étude peut contribuer à protéger les corridors favorables aux déplacements des martres, et souligne l’importance de considérer les variations saisonnières lors de la modélisation de la connectivité fonctionnelle.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.005 | 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".