Dual‐frame lek surveys for estimating greater sage‐grouse populations
Notice bibliographique
Résumé
ABSTRACT Effective monitoring programs are important for ensuring proper management of wildlife populations, but they require substantial resources, effort, and funding. For this reason, managers often use indices of animal abundance. However, indices typically rely on untested assumptions and may be unreliable for estimating population size, status, and trend. Therefore, it is important to test the assumptions underlying indices and to evaluate more rigorous methods of population estimation. Counts of males at leks are used as an index to monitor populations of greater sage‐grouse ( Centrocercus urophasianus ), a species of conservation concern, throughout its range in the western United States and Canada. However, not all leks are known, and wildlife managers typically have no rigorous, quantitative estimates of the number of leks and males in any given population. Therefore, it remains unclear what proportion of leks and males are included in, or excluded from, lek‐based population status assessments, trend analyses, and management decisions. We used dual‐frame surveys, in combination with occupancy analysis to adjust for imperfect detection, to estimate the number of active leks, the number of lekking males, and the proportion of active leks and lekking males counted on annual lek surveys over 3 consecutive breeding seasons in a small, low‐density greater sage‐grouse population in northwestern Colorado, USA. We estimated that annual lek surveys captured an average of 45–74% of active leks and 43–78% of lekking males each year. Our results suggest that many active leks remain unknown and annual counts fail to account for a substantial, but variable, proportion of the number of active leks and lekking males in the population in any given year. Managers need to recognize this potential source of bias in lek‐count data and, if possible, account for it in trend analyses and management efforts. Increased cost likely precludes annual use of dual‐frame lek surveys. However, we recommend using analytical methods that account for imperfect detection, mapping potential lek habitat to improve survey efficiency, and conducting dual‐frame surveys over multiple years to better understand temporal variation in the proportion of active greater sage‐grouse leks and lekking males being counted in specific populations of interest. © 2018 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 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 | 0,002 | 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) | 0,001 | 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 tête enseignante, 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 ».