Using a novel model approach to assess the distribution and conservation status of the endangered Baird's tapir
Notice bibliographique
Résumé
Abstract Aim We test a new species distribution modelling (SDM) framework, while comparing results to more common distribution modelling techniques. This framework allows for the combination of presence‐only (PO) and presence‐absence (PA) data and accounts for imperfect detection and spatial bias in presence data. The new framework tested here is based on a Poisson point process model, which allows for predictions of population size. We compared these estimates to those provided by experts on the species. Species and Location Presence data on Baird's tapir (Tapirus bairdii) throughout its range from southern México to northern Colombia were used in this research, primarily from the years 2000 to 2016. Methods Four SDM frameworks are compared as follows: (1) Maxent, (2) a presence‐only (PO) SDM based on a Poisson point process model (PPM), (3) a presence‐absence (PA) SDM also based on a PPM and (4) an Integrated framework which combines the previous two models. Model averaging was used to produce a single set of coefficient estimates and predictive maps for each model framework. A hotspot analysis (Gi*) was used to identify habitat cores from the predicted intensity of the Integrated model framework. Results Important variables to model the distribution of Baird's tapir included land cover, human pressure and topography. Accounting for spatial bias in the presence data affected which variables were important in the model. Maxent and the Integrated model produced predictive maps with similar patterns and were considered to be more in agreement with expert knowledge compared to the PO and PA models. Main conclusions Total abundance as predicted by the model was higher than expert opinion on the species, but local density estimates from our model were similar to available independent assessments. We suggest that these results warrant further validation and testing through collection of independent test data, development of more precise predictor layers and improvements to the model framework.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».