Accounting for detectability improves estimates of species richness in tropical bat surveys
Notice bibliographique
Résumé
1. Species richness is a state variable of some interest in monitoring programmes but raw species counts are often biased due to imperfect species detectability. Therefore, monitoring programmes should quantify detectability for target taxa to assess whether it varies over temporal or spatial scales. We assessed the potential for tropical bat monitoring programmes to reliably estimate trends in species richness. 2. Using data from 25 bat assemblages from the Old and New World tropics, we estimated detectability for all species in an assemblage (mean proportion of species detected per sampling plot) and for individual species (species-specific detectability). We further assessed how these estimates of detectability were affected by external sources of variation relating to time, space, survey effort and biological traits. 3. The mean proportion of species detected across 96 sampling plots was estimated at 0·76 (range 0·57–1·00) and was significantly greater for phytophagous than for animalivorous species. Species-averaged detectability for phytophagous species was influenced by the number of surveys and season, whereas the number of surveys and sampling methods [ground- or canopy-level mist nets, harp traps and acoustic sampling (AS)] most strongly affected estimates of detectability for animalivorous bats. Species-specific detectability averaged 0·4 and was highly heterogeneous across 232 species, with estimates ranging from 0·03 to 0·84. Species-level detectability was influenced by a range of external factors such as location, season, or sampling method, suggesting that raw species counts may sometimes be strongly biased. 4. Synthesis and applications. Due to generally high species-specific detection probabilities, Neotropical aerial insectivorous bats proved to be well suited for monitoring using AS. However, for species with low detectability, such as most gleaning animalivores or nectarivores, count data obtained in bat monitoring surveys must be corrected for detection bias. Our results indicate that species-averaged detection probabilities will rarely approach 1 unless many surveys are conducted. Consequently, long-term bat monitoring programmes need to adopt an estimation scheme that corrects for variation in detectability when comparing species richness over time and when making regional comparisons. Similar corrections will be needed for other species-rich tropical taxa.
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 ».