Predicting spatial variation in grizzly bear abundance to inform conservation
Notice bibliographique
Résumé
ABSTRACT Understanding the spatial structure of populations is fundamental to effective assessment, planning, and management for species conservation. Because of their sensitivity and public interest, grizzly bears (Ursus arctos) are focused upon in some localized development issues and proactive conservation initiatives. Knowledge regarding the spatial context of regional grizzly bear populations is important, but often a defensible representation of probable population distribution, core areas, and connectivity is lacking. We describe the development and assessment of a regional landscape model of grizzly bear density and distribution. Our study region comprised 180,000 km2 and 20 management units of southeast British Columbia and southwest Alberta. Our meta‐analysis was based on data from 20 independent grizzly bear population surveys across the region. While accounting for differing design parameters among surveys, we contrasted grizzly bear detections against sampling representation relative to scale‐dependent landscape factors. Our predictors pertained to the influence of climate, terrain, land cover, vegetation indices, and human activity. Associations within survey areas were consistent with ecological influences on grizzly bear foods and human influences on grizzly bear mortality risk and landscape avoidance. A multiple logistic regression model based on independent components of ecological variation fit well the data pooled across the region and within individual survey areas. Average values of detection probability among survey areas predicted population density (R2 = 0.64 or 0.79 depending on one outlier). Our results support the application of our model across southeast British Columbia and southwest Alberta for assessment and planning that requires regional and local context of grizzly bear population abundance and distribution, and inference of core areas and population connections among them. For any geographic area, a population estimate can be obtained that is reflective of surveys used in the model. Spatial predictions for any defined population are likely to be more reliable than those extrapolated from tracking data of individual animals given limitations typical of such sampling. Ultimately, model output provides regional population context for environmental assessment, management, and conservation planning, nested within which should be finer‐scale data and prediction where available. © 2016 The Wildlife Society.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».