Bibliographic record
Abstract
La théorie des circuits s'est avérée utile pour comprendre les mouvements des animaux et la structure de l'habitat d'une variété d'écosystèmes. Malgré les progrès récents, il reste difficile de déterminer la résistance au mouvement qui représente le mieux les caractéristiques du paysage. Dans cette étude, j'ai développé un modèle pour dériver des valeurs de résistance basées sur les mouvements observés et je l'ai appliqué à l'activité réelle des grizzlis en Alberta. Je me suis concentré sur la dérivation des valeurs de résistance du paysage pour Circuitscape en utilisant des données de surface terrestre et des observations ponctuelles de grizzlis. En utilisant Circuitscape pour estimer la probabilité de mouvement dans chaque cellule de la zone d'étude, le programme d'estimation des paramètres (PEST) a ajusté à plusieurs reprises les valeurs de résistance pour chaque type de couverture terrestre et a comparé le résultat aux informations observées des colliers GPS. PEST a exploré l'espace des valeurs de résistance, évaluant les surfaces de densité de courant de Circuitscape à l'aide de plusieurs mesures d'ajustement par rapport aux estimations de mouvement de premier ordre des trajectoires d'ours obtenues à partir de la jonction d'observations avec des lignes droites. Le résultat a été une surface de densité de courant optimisée qui a estimé les mouvements du grizzli entre les points observés, en suivant les contours du paysage plutôt que les mouvements en ligne droite supposés du premier ordre. Lorsqu'elle a été testée par rapport à des données situées au hasard imitant les emplacements de collier GPS, la surface de densité de courant produite était un ajustement significativement meilleur (P < 0,01), suggérant que la surface de mouvement optimisée a capturé les modèles de mouvement relatifs. Le modèle de déplacement a montré des zones de forte activité, cohérentes avec les observations sur le terrain du comportement du grizzli, telles que les zones riveraines et les zones de perturbation (routes, blocs de coupe). De plus, l'étude a suggéré que les altitudes comprises entre 900 m et 1 200 m étaient des zones d'un grand intérêt pour les ours. Cette étude, bien que conçue pour développer et étudier l'utilisation d'un modèle de mouvement pour déterminer la résistance du paysage, a ajouté à notre compréhension des mouvements des grizzlis dans ces zones, fournissant une nouvelle méthode pour paramétrer les surfaces de résistance à l'aide d'observations animales connues
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".