Incorporating predicted species distribution in adaptive and conventional sampling designs
Notice bibliographique
Résumé
Introduction Monitoring rare and clustered populations is challenging because of the large effort required to encounter occupied habitat and yield precise population estimates (McDonald 2004). Sampling designs are available to help reduce the effort required to encounter occupied habitat and increase precision, including stratified sampling, probability proportional to size (PPS) sampling, and various adaptive sampling designs (Thompson 2002). Use of these designs is motivated, in an intuitive sense, by each design's ability to allocate more sampling effort where target species are (or are likely to be) and less where they are not. This intuitive approach to allocation of effort can lead to increased precision when variability in the population tends to be higher in areas of high species density or abundance (Box 17.1). Conventional designs, such as stratified and PPS sampling, rely on prior information to allocate effort. For example, prior information could come from predicted species or habitat distributions (Guisan and Zimmermann 2000, Le Lay et al . 2010). Use of prior information is not a basic property of adaptive sampling designs, but these designs could use such information when available. In this chapter, we demonstrate how prior information on species distribution can be incorporated into adaptive and conventional sampling designs. We start the chapter by introducing adaptive sampling, which remains a somewhat novel sampling design even though it was introduced by Thompson (1990) over 20 years ago. We then present a case study illustrating and evaluating the performance of conventional and adaptive sampling designs that either incorporate or ignore predicted species distributions. We examine how these designs compare in terms of efficiency, probability of sampling occupied habitat, and robustness to model inaccuracy. We end the chapter with recommendations and a discussion of future research and developments.
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 | 0,024 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».