SAMPLING DESIGN AND BIAS IN DNA-BASED CAPTURE–MARK–RECAPTURE POPULATION AND DENSITY ESTIMATES OF GRIZZLY BEARS
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
Over a 3-year period, we assessed 2 sampling designs for estimating grizzly bear (Ursus arctos) population size using DNA capture–mark–recapture methods on a population of bears that included radiomarked individuals. We compared a large-scale design (with 8 × 8-km grid cells and sites moved for 4 sessions) and a small-scale design (5 × 5-km grid cells with sites not moved for 5 sessions) for closure violation, capture-probability variation, and estimate precision. We used joint telemetry/capture–mark–recapture (JTMR) analysis and traditional closure tests to analyze the capture–mark–recapture data with each design. A simulation study compared the performance of each design for robustness to heterogeneity bias caused by reduced capture probabilities of cubs. Our results suggested that the 5 × 5-km grid cell design was more precise and more robust to potential sample biases, but the risk of closure violation due to smaller overall grid size was greater. No design exhibited complete closure as estimated by JTMR. The results of simulation studies suggested that CAPTURE heterogeneity models are relatively robust to probable forms of capture-probability variation when capture probabilities are >0.2. Only the 5 × 5-km designs exhibited this capture-probability level, suggesting that this design is preferred to ensure estimator robustness when population size is <100. The power of the CAPTURE model selection routine to detect capture probability variation was low regardless of sampling design used. Our study illustrated the trade-off between intensive sampling to ensure robustness and adequate precision of estimators while being extensive enough to avoid closure violation bias.
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 | 0,001 | 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 découle