Pangolins in global camera trap data: Implications for ecological monitoring
Notice bibliographique
Résumé
Despite being heavily exploited, pangolins (Pholidota: Manidae) have been subject to limited research, resulting in a lack of reliable population estimates and standardised survey methods for the eight extant species. Camera trapping represents a unique opportunity for broad-scale collaborative species monitoring due to its largely non-discriminatory nature, which creates considerable volumes of data on a relatively wide range of species. This has the potential to shed light on the ecology of rare, cryptic and understudied taxa, with implications for conservation decision-making. We undertook a global analysis of available pangolin data from camera trapping studies across their range in Africa and Asia. Our aims were (1) to assess the utility of existing camera trapping efforts as a method for monitoring pangolin populations, and (2) to gain insights into the distribution and ecology of pangolins. We analysed data collated from 103 camera trap surveys undertaken across 22 countries that fell within the range of seven of the eight pangolin species, which yielded more than half a million trap nights and 888 pangolin encounters. We ran occupancy analyses on three species (Sunda pangolin Manis javanica, white-bellied pangolin Phataginus tricuspis and giant pangolin Smutsia gigantea). Detection probabilities varied with forest cover and levels of human influence for P. tricuspis, but were low (<0.05) for all species. Occupancy was associated with distance from rivers for M. javanica and S. gigantea, elevation for P. tricuspis and S. gigantea, forest cover for P. tricuspis and protected area status for M. javanica and P. tricuspis. We conclude that camera traps are suitable for the detection of pangolins and large-scale assessment of their distributions. However, the trapping effort required to monitor populations at any given study site using existing methods appears prohibitively high. This may change in the future should anticipated technological and methodological advances in camera trapping facilitate greater sampling efforts and/or higher probabilities of detection. In particular, targeted camera placement for pangolins is likely to make pangolin monitoring more feasible with moderate sampling efforts.
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 | 0,029 | 0,093 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».