Noninvasive Hair Sampling and Genetic Tagging of Co‐Distributed Fishers and American Martens
Notice bibliographique
Résumé
ABSTRACT Estimation of abundance is important for assessing population responses to management actions. Accurate abundance estimates are particularly critical for monitoring temporal variation following reintroductions when the management goal is to attain population sizes capable of sustaining harvest. Numerous reintroductions have taken place in the Great Lakes region of North America, including efforts to restore extirpated fishers ( Martes pennanti ) and American martens ( M. americana ). We used a DNA‐based noninvasive hair‐snaring method based on one trap design and trapping ‐grid configuration, and evaluated capture—mark—recapture (CMR) analytical approaches to simultaneously estimate population size for co‐distributed fishers and American martens in a 671‐km 2 area of the Ottawa National Forest in the western Upper Peninsula of Michigan, USA. We included harvest as a final recapture period to increase probability of recapture and to evaluate potential violations of geographic closure assumptions. We used microsatellite markers to identify target species, eliminate congener species, and provide individual identity for estimation of abundance. Population estimates for fishers and martens on the study area ranged from 35 to 60 and 8 to 28, respectively. Estimators incorporating harvest data resulted in up to a 40% increase in abundance estimates relative to estimators without harvest. We considered population estimates not including harvest data the most appropriate for the study due to timing of sampling and environmental factors, but inclusion of harvested individuals was shown to be useful as a means to detect violations of the assumption of geographic closure. We suggest improvements on future CMR sampling designs for larger landscape scales of relevance to management through incorporation of habitat or historical harvest data. Noninvasive genetic methods that simultaneously estimate the numerical abundance of co‐distributed species can greatly decrease assessment costs relative to traditional methods, and increase resulting demographic and ecological information.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».