Animal movement affects interpretation of occupancy models from camera‐trap surveys of unmarked animals
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Occupancy models are increasingly applied to data from wildlife camera‐trap ( CT ) surveys to estimate distribution, habitat use, or relative abundance of unmarked animals. Fundamental to the occupancy modeling framework is the temporal pattern of detections at camera stations, which is influenced by animal population density and the speed and scale of animal movement. How these factors interact with CT sampling designs to affect the interpretation of occupancy parameter estimates is unclear. We developed a simple yet ecologically relevant animal movement simulation to create CT detections for animal populations varying in movement rate, home range area, and population density. We also varied CT sampling design by the duration of sampling and the density of CT s in our simulated domain. A single‐species occupancy model was fitted to simulated detection histories, and model‐estimated probabilities of occupancy were compared to the asymptotic proportion of area occupied ( PAO ), calculated as the union of all simulated home ranges. Occupancy model parameter estimates were sensitive to simulated movement and sampling scenarios. Occupancy models overestimated asymptotic PAO when a low population density of simulated animals moved quickly over large home ranges and this positive bias was insensitive to sampling duration. Conversely, asymptotic PAO was underestimated when simulated animals moved slowly in large‐ or intermediately sized home ranges. This negative bias decreased with increasing sampling duration and a lower density of CT s. Our results emphasize that the interpretation of occupancy models depends on the underlying processes driving CT detections, specifically animal movement and population density, and that model estimates may not reliably reflect variation in these processes. We recommend carefully defining occupancy if it is applied to CT data in order to better match sampling and analytical frameworks to the ecology of sampled wildlife 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.
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 | 0,000 | 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) | 0,008 | 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 découle