Can Occupancy–Abundance Models Be Used to Monitor Wolf Abundance?
Notice bibliographique
Résumé
Estimating the abundance of wild carnivores is of foremost importance for conservation and management. However, given their elusive habits, direct observations of these animals are difficult to obtain, so abundance is more commonly estimated from sign surveys or radio-marked individuals. These methods can be costly and difficult, particularly in large areas with heavy forest cover. As an alternative, recent research has suggested that wolf abundance can be estimated from occupancy-abundance curves derived from "virtual" surveys of simulated wolf track networks. Although potentially more cost-effective, the utility of this approach hinges on its robustness to violations of its assumptions. We assessed the sensitivity of the occupancy-abundance approach to four assumptions: variation in wolf movement rates, changes in pack cohesion, presence of lone wolves, and size of survey units. Our simulations showed that occupancy rates and wolf pack abundances were biased high if track surveys were conducted when wolves made long compared to short movements, wolf packs were moving as multiple hunting units as opposed to a cohesive pack, and lone wolves were moving throughout the surveyed landscape. We also found that larger survey units (400 and 576 km2) were more robust to changes in these factors than smaller survey units (36 and 144 km2). However, occupancy rates derived from large survey units rapidly reached an asymptote at 100% occupancy, suggesting that these large units are inappropriate for areas with moderate to high wolf densities (>15 wolves/1,000 km2). Virtually-derived occupancy-abundance relationships can be a useful method for monitoring wolves and other elusive wildlife if applied within certain constraints, in particular biological knowledge of the surveyed species needs to be incorporated into the design of the occupancy surveys. Further, we suggest that the applicability of this method could be extended by directly incorporating some of its assumptions into the modelling framework.
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 | 0,011 | 0,051 |
| 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 | 0,004 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».