PELLET COUNT INDICES COMPARED TO MARK–RECAPTURE ESTIMATES FOR EVALUATING SNOWSHOE HARE DENSITY
Notice bibliographique
Résumé
Snowshoe hares (Lepus americanus) undergo remarkable cycles and are the primary prey base of Canada lynx (Lynx canadensis), a carnivore recently listed as threatened in the contiguous United States. Efforts to evaluate hare densities using pellets have traditionally been based on regression equations developed in the Yukon, Canada. In western Montana, we evaluated whether or not local regression equations performed better than the most recent Yukon equation and assessed whether there was concordance between pellet-based predictions and mark–recapture density estimates of hares. We developed local Montana regression equations based on 224 data points consisting of mark-recapture estimates and pellet counts, derived from 38 sites in 2 different areas sampled for 1 to 5 years using 2 different pellet plot shapes. We evaluated concordance between estimated density and predicted density based on pellet counts coupled with regression equations at 436 site-area-season combinations different from those used to develop the regression equations. At densities below 0.3 hares/ha, predicted density based on pellets tended to be greater than for mark–recapture; the difference was usually <1 hare per ha on an absolute scale, but at low densities this translated to proportional differences of 1,000% or greater. At densities above 0.7 hares/ha, pellet regressions tended to predict lower density than mark–recapture. Because local regression equations did not outperform the Yukon equation, we see little merit in further development of local regression equations unless a study is to be conducted in a formal double-sampling framework. We recommend that widespread pellet sampling be used to identify areas with very low hare densities; subsequent surveys using mark–recapture methodology can then focus on higher density areas where density inferences are more reliable.
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) | 0,001 | 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 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 ».