Estimating wolverine<i>Gulo gulo</i>population size using quadrat sampling of tracks in snow
Notice bibliographique
Résumé
Low densities and wide-ranging behaviour make wolverines Gulo gulo difficult to monitor. We used quadrat sampling of tracks in snow to estimate wolverine populations. We conducted aerial surveys in upper Turnagain Arm and the Kenai Mountains (TAKM) in south-central Alaska and in Old Crow Flats (OCF) in northern Yukon during March 2004 following procedures for the sample-unit probability estimator (SUPE). This technique uses network sampling of tracks in snow in a stratified random system of quadrats or sample units. In TAKM, we sampled 87 (51%) out of 171 quadrats within a survey area of 4,340 km2. The estimated density was 3.0 (± 0.4 SE) wolverines/1,000 km2 with a coefficient of variation (CV) of 12.0%. In OCF, we sampled 96 (71%) out of 135 quadrats within a survey area of 3,375 km2. The estimated density was 9.7 (± 0.6 SE) wolverines/1,000 km2 with a CV of 6.5%. Our results indicated that the SUPE technique is an efficient method of obtaining precise estimates of wolverine population size under markedly different environmental conditions and population densities. We suggest that, where practical, it may be a less labour-intensive and more cost-effective technique for estimating wolverine abundance compared with techniques that do not use probability sampling of tracks.
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 | 0,001 | 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 ».