SOURCES OF HETEROGENEITY BIAS WHEN DNA MARK-RECAPTURE SAMPLING METHODS ARE APPLIED TO GRIZZLY BEAR (URSUS ARCTOS) POPULATIONS
Notice bibliographique
Résumé
Abstract One of the challenges in estimating grizzly bear (Ursus arctos) population size using DNA methods is heterogeneity of capture probabilities. This study developed general tools to explore heterogeneity variation using data from a DNA mark-recapture project in which a proportion of the bear population had GPS collars. The Huggins closed population mark-recapture model was used to determine if capture probability was influenced by sex or collar status. In addition, trap encounter rates were estimated by comparing the closest distance from traps where hair was snagged of bears that were captured, with bears for which we had radiolocations but were not captured. Results of the Huggins analysis suggested that sex, distance of bear DNA capture from grid edge, and whether a bear was radiocollared potentially affected capture probabilities. The encounter rate analysis estimated that 63% of bears that encountered traps were snagged, and that males encountered more traps than females. The following conclusions arise from this study. First, the distance of DNA capture of bears relative to the grid edge should be modeled as an individual covariate to ensure robust estimates of superpopulation size when closure violation is suspected. Second, sampling should be intensive to minimize heterogeneity and to ensure all bears encounter traps. Finally, estimators that are robust to heterogeneity variation should be used, given the various sources of heterogeneity variation.
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 ».