Ocelot home range, overlap and density: comparing radio telemetry with camera trapping
Notice bibliographique
Résumé
Abstract Because ocelots Leopardus pardalis and other solitary carnivores are elusive and hard to study, little is known about their density and population status. In the past few years, camera trapping and mark–recapture statistics have been used to estimate the density of a number of felids. Although camera trapping is now providing baseline data for managers and conservationists alike, recent doubts have been raised concerning the accuracy of the standard camera trapping procedure. We used radio telemetry to gain new information on ocelot home‐range size and spatial organization in Central America, and compared the radius of our average ocelot home range with the standard camera trapping buffer. We compared the resulting density estimates to assess the current camera trapping methodology's ability to estimate animal density. Five adult ocelots (two male and three female) were tracked to determine an average ocelot home range of 26.09 km 2 (95% fixed kernel) and 18.91 km 2 (100% minimum convex polygon), with males demonstrating larger ranges than females. All ocelots had larger home ranges in the dry season. Male–male home‐range overlap averaged 9% while female–female overlap averaged 21%. Males shared 56% of their range with a primary female and 16% with a second and third female, while females shared 58% of their home range with a primary male and 3% with a secondary male. Density estimates based on the average home‐range radius (11.24–12.45 ocelots per 100 km 2 ) were less than those determined from standard camera trapping methods (25.88 ocelots per 100 km 2 ), but similar to those determined using twice the camera trapping buffer to estimate density (12.61 ocelots per 100 km 2 ). Our results suggest that a standard camera trapping protocol may overestimate ocelot density. Accurate representation of animal densities and standardization of density estimation techniques are paramount for comparative analyses across sites and are vital for felid conservation.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 ».