In the trap: detectability of fixed hair trap DNA methods in grizzly bear population monitoring
Notice bibliographique
Résumé
A significant challenge to monitoring wildlife that are secretive, wide ranging, and at low densities is the need to achieve adequate detection rates. Knowledge of spatial patterns in occupancy and the spatial and/or temporal patterns in detectability allows for stratification of traps and improved detection rates. This study investigated how local variation in habitats affected the detectability of grizzly bears in west—central Alberta when monitored with a fixed DNA hair snag design. Bear hair samples were collected in 2011 at 60 sites across 1500 km 2 over six sessions, each 14 days in length, between June and August. Microsatellite analysis of hair samples revealed grizzly bear detections at 25 of 60 sites and 21 individual bears. We investigated occupancy and detectability of grizzly bears at the patch and landscape scales using detection histories and program PRESENCE. At the patch scale, grizzly bear detection was highest when sites were placed near streams with clover and in intermediate levels of forest crown closure. At the landscape scale, probability of detection increased near streams and oil and gas wellsites, especially when food resources and wellsite density in the surrounding area was low. Our results highlight the importance of considering local food resources and habitat conditions during placement of fixed DNA hair snag sites. Detectability was not found to vary over time, suggesting that sampling in west—central Alberta can occur at any time between June and August.
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 | 0,002 | 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 ».