Density estimation for small mammals from livetrapping grids: rodents in northern Canada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Management agencies and quantitative ecologists need robust estimates of population density. The best way of converting population estimates of livetrapped small mammals to population density is not clear. We estimated population density on livetrapping grids with 4 estimators applied to 3 species of boreal forest and 3 species of tundra rodents to test for relative differences in density estimators. We used 2 spatial estimators proposed by Efford (2009) and 2 traditional boundary-strip estimators designed for grid livetrapping. We, analyzed mark-recapture data from 104 trapping sessions from the boreal forest at Kluane, Yukon (n = 4,818 individuals), and 56 trapping sessions from tundra areas of Herschel Island and Komakuk Beach in northern Yukon (n = 1,327 individuals). For boreal forest rodents on average both boundary-strip methods produced density estimates larger than Efford's maximum-likelihood (ML) estimator by as much as 50% at all population densities up to 25 animals/ha. For tundra rodents both boundary-strip methods produced density estimates smaller than Efford's ML at low density (<1.5/ha) and larger than Efford's ML density by 36–63% at high density (25/ha). Efford's inverse prediction estimator produced larger density estimates than the ML estimator by 4% for the boreal forest and 32% for the tundra rodents. Relationships were high between all the estimators, such that trends in density could be inferred from all methods. Determining the bias in population density estimators in small mammals will require data from populations spatially closed and completely enumerated. For our small mammals Efford's ML estimator typically provided density estimates smaller than those produced by conventional boundary-strip estimators.
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.
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 découle