Influence du paysage sur une communauté de Strigidés en tenant compte de la probabilité de détection
Bibliographic record
Abstract
Plusieurs études ont tenté de décrire l'influence de la 'structure du paysage sur la distribution des Strigidés. Certaines ont même essayé de quantifier l'impact de la perte et de la fragmentation d'habitas sur ces oiseaux. Cependant, la majorité de ces études n'ont pas tenu compte de la probabilité de détection imparfaite lors de l'échantillonnage, ni considéré que les interactions entre les différentes espèces pouvaient interférer avec cette distribution. Dans cette étude, je mesure l'influence de la structure du paysage sur la distribution du Grand-duc d'Amérique ( Bubo virginianus ), de la Chouette rayée (Strix varia ) et de la Petite Nyctale (Aegolius acadicus ) parmi 112 sites répartis à travers un large gradient « forêt-agriculture » dans le Sud du Québec. Je mesure également l'impact des interactions interspécifiques sur cette distribution. Afin de déterminer si la séquence d'enregistrements utilisée lors des recensements de Strigidés affecte la détection de ceux-ci, je compare les probabilités de détections obtenues dans les recensements où le chant d'une seule espèce est diffusé avec celles des recensements où le chant d'une espèce est diffusé suite celui d'un compétiteur ou d'un prédateur. Finalement, j'effectue deux versions des analyses afin de comparer les résultats obtenus à l'aide de simples régressions logistiques à ceux obtenus lorsque la probabilité de détection est considérée. Mes résultats indiquent que la probabilité d'occurrence du Grand-duc d'Amérique ne semble pas être affectée par la composition du paysage et que sa probabilité de détection n'est pas influencée par la séquence d'enregistrements utilisée lors de l'inventaire. Par ailleurs, la probabilité d'occurrence de la Chouette rayée et de la Petite Nyctale augmente avec le couvert forestier et, par le fait même, diminue avec le couvert agricole. La présence d'un prédateur ou d'un compétiteur dans le paysage ne semble pas influencer la distribution des Strigidés. Cependant, les chants du Grand-duc d'Amérique diminuent la détectabilité de la Chouette rayée. Bien que les chants du Grand-duc ne semblent pas affecter la détectabilité de la Petite Nyctale en tant que telle, la probabilité de détection de celle-ci est toutefois moins élevée lorsque le chant du Grand-duc d'Amérique est diffusé avant son propre chant. Finalement, j'obtiens des résultats différents en considérant la probabilité de détection ou non. Plus précisément, certaines variables avaient un effet significatif dans une seule version des analyses, ou encore la magnitude de l'effet était différente selon le type d'analyse utilisé. Ceci laisse sous entendre que plusieurs paramètres peuvent influencer la probabilité de détection des Strigidés et qu'elle devrait toujours être considérée dans les recensements de rapaces nocturnes.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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".