The estimation of grizzly bear density through hair‐snagging techniques above the tree line
Notice bibliographique
Résumé
ABSTRACT Assessing grizzly bears' ( Ursus arctos ) abundance in the Arctic has been challenging because of the large scale of their movements and the remoteness of field locations. We modified a post sampling method used for wolverines ( Gulo gulo ) to allow collection of hair samples from grizzly bears in the Canadian tundra. We deployed 1 post/cell in a sampling grid of 393 10 × 10‐km cells sampled in 2008 and 2009 for two 14‐day sessions in July–August of both years. We then compared density estimates from mark–recapture estimators that used telemetry data from previous years with spatially explicit mark–recapture models that used only genetic detections. Over the 2 years of sampling, we detected 98 female and 81 male grizzly bears. We found that the DNA degradation rate was related to collection interval and the number of days between rainfall events and sample collection. Estimates of density were in the order of 5 bears/1,000 km 2 . The estimates from the 2 methods were statistically similar, but spatially explicit estimates were more precise than those using radiocollar data. Our results provide the first demonstration of the viability of posts as hair‐snagging stations to obtain DNA from grizzly bears, and of spatially explicit mark–recapture methods to estimate population size and density for grizzly bears above the tree line. © 2015 The Wildlife Society.
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 | 0,001 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».