Estimating low-density snowshoe hare populations using fecal pellet counts
Notice bibliographique
Résumé
Snowshoe hare (Lepus americanus) populations found at high densities can be estimated using fecal pellet densities on rectangular plots, but this method has yet to be evaluated for low-density populations. We further tested the use of fecal pellet plots for estimating hare populations by correlating pellet densities with estimated hare numbers on 12 intensive study areas in Idaho; pellet counts from extensive transects (n = 615) across northern Idaho enabled rectangular plots (0.155 m2) to be compared with paired small (0.155 m2) and large (1 m2) circular plots (metre-circle plots). Metre-circle plots had higher pellet prevalence, lower sample variance, and lower estimates of pellet density than the other plot types. Transects comprising circular plots required less establishment time, and observer training reduced the pellet-count bias attributable to plot shape. The number of hares occupying intensive study sites was correlated with pellet density on all plot types, but rectangular plots provided a slightly closer linear fit to hare numbers than did metre-circle plots. The relationship between pellet density and hare number may have been curvilinear rather than linear, but linear and nonlinear models provided similar numerical estimates over much of the range of pellet densities. These results indicate that pellet counts are a robust estimator of hare numbers in low-density populations, and that metre-circle plots represent an improvement over standard rectangular plots in terms of unbiased pellet counts, sacrificing little predictive power. We recommend using pellet counts in metre-circle plots for estimating populations of snowshoe hares in their southern distribution.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».