MétaCan
Menu
Retour à la cohorte
Enregistrement W2554821530 · doi:10.1002/jwmg.21185

Comparing population growth rates between census and recruitment‐mortality models

2016· article· en· W2554821530 sur OpenAlexafffundabout
Robert Serrouya, Sophie L. Gilbert, R. Scott McNay, Bruce N. McLellan, Douglas C. Heard, Dale R. Seip, Stan Boutin

Notice bibliographique

RevueJournal of Wildlife Management · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensMinistry of EnvironmentUniversity of AlbertaWorld Wildlife Fund CanadaPositive Living NorthMinistry of ForestsAlberta Biodiversity Monitoring Institute
Organismes subventionnairesParks Canada
Mots-clésCensusWildlifeGeographyPopulationWoodland caribouRange (aeronautics)Vital ratesDemographyWoodlandStatisticsEcologyPopulation growthBiologyMathematicsSociology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT In forested ecosystems, estimating the abundance or trend of most wildlife populations is difficult. Therefore, vital rates are often used to model population change, but validating such models is important. Using data from woodland caribou (Rangifer tarandus), we compared estimates of population change (λ) based on vital rate models to λ based on aerial censuses. We modeled λ using Hatter and Bergerud's (1991) recruitment‐mortality (R‐M) equation (λ = survival/[1 − recruitment]). We estimated survival and recruitment from a sample of 317 radio‐collared caribou from 9 subpopulations in British Columbia, Canada. In this ecosystem, woodland caribou have high sightability (>85%) in winter and thus are easy to census compared to most forest wildlife. We found that the R‐M equation overestimated λ compared to census‐based λ across most of the observed range of data (e.g., if R‐M estimated λ of 1.1, census‐based λ was 0.99, and if R‐M was 0.90, census‐based λ was 0.89). We then assessed whether recruitment, survival, a linear model of both parameters, or the R‐M equation best predicted census‐based λ. The R‐M equation explained 60% of the variation in census‐based λ, more than double the next‐best approach (i.e., the simple linear model), even though identical parameters were included. Further, we simulated variability due to the unknown sex (M:F) ratio in the sample, and found that the R‐M equation remained the best predictor of census‐based λ. Although the R‐M equation was the most precise and accurate approach, our results reaffirm that it is important to periodically validate trend estimates based on vital rate models with estimates of absolute abundance, particularly for species of management concern. © 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,179
Score d'incertitude au seuil0,356

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,027
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,096
Tête enseignante GPT0,291
Écart entre enseignants0,196 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Wildlife ManagementMême sujetWildlife Ecology and ConservationTravaux en français237 207