Estimating population densities of Peromyscus maniculatus, Clethrionomys rutilus, Lepus americanus, and Tamiasciurus hudsonicus using remote cameras in the boreal forest of Yukon Territory, Canada.
Notice bibliographique
Résumé
Population density estimation of small mammals often involves live trapping, a procedure that can be stressful on the captured animals, time consuming, and expensive. Encounter or “hit” rates between animals and remote cameras have been suggested as a method for using remote cameras to estimate the population density of species when individuals cannot be identified; this method has not yet been tested on rodents. Live trapping and filming of four species of small mammal was conducted in the boreal forest of Yukon Territory during the summers of 2010, 2011 and 2012 to determine if hit rates can be used to estimate the population density of deer mice (Peromyscus maniculatus), northern red-backed voles (Clethrionomys rutilus), snowshoe hares (Lepus americanus) and red squirrels (Tamiasciurus hudsonicus). Microtus spp. were also observed, but at numbers too low for analysis; density estimates and video counts are presented. The first objective was to determine if the hit window or protocol used to group videos suspected of being generated in the same encounter affects the correlation between hit rates and live-trapping-based population density estimates for these four species. Hit window duration had little effect on the correlation between hit rates and live-trapping-based population density estimates for deer mice, a moderate effect for northern red-backed voles, and major effects for snowshoe hares and red squirrels. The second objective of this research was to determine if, given the “best” hit window for each species, hit rates and live-trapping-based population density estimates are correlated such that hit rates could be used in place of live trapping to estimate the population density of these species. Strong correlations between hit rates and trap-based density estimates suggest that remote cameras are an accurate and rapid non-invasive alternative to live trapping for estimating the population density of all four species.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».