Species occurrence data reflect the magnitude of animal movements better than the proximity of animal space use
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 Animal ecologists often use stationary point‐count surveys, such as camera traps, to collect presence–absence data and infer distribution, abundance, and density of species. Rarely do these surveys explicitly consider variations in the magnitude of animal movement despite movement assumptions being implicit in their interpretation. For example, ecologists assume the frequency of species detections at a site is associated with the intensity of local space use, but it may be more indicative of transit through that point en route to other areas. This assumption remains untested, and a resolution is critical to accurate interpretation of species occurrence data. We compared fisher ( Pekania pennanti ) detections collected from a camera trap array with detailed Global Positioning System‐telemetry data to test whether, at the population level, the spatial and temporal patterns of detections reflected the proximity of space use to sampling sites, or variability in the magnitude of animal movement across the study area. We also used an occupancy modeling framework to quantify the relative contributions of space use proximity and movement magnitude to estimated probabilities of site occupancy and detectability. We demonstrate that, at the population level, detection frequency and estimates of detection probability and occupancy are more closely associated with the magnitude of animal movement around a survey device than the proximity of animal space use. Variations in the magnitude of animal movement within and between species should receive greater consideration when interpreting occurrence data to correctly infer ecological processes. Not accounting for species movement, especially in multi‐species surveys, may bias inferences of ecologic processes and result in misspecified management recommendations.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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