Reducing the rate of false absences of cryptic species in inventory and sampling work
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
When doing inventory for cryptic and rare species, it can be difficult to determine with great confidence that a sampled area has no occurrences of the target species. Boreal Felt lichen (Erioderma pedicellatum (Hue.) P.M.Jørg.) and Vole Ears lichen (Erioderma mollissimum (G.Sampaio) Du Rietz) are two rare species of cyanolichens that have several populations in North America, including Nova Scotia, Newfoundland and Alaska. These lichens occur in small numbers and are difficult to spot with the untrained eye; therefore, they are likely to be overlooked in standard sampling protocols. In this paper, we develop and test a sampling method that enables us to determine with confidence that a sample site has zero occurrences of the species of interest within a defined area (i.e., an absence of detections indicates an absence of the target lichen species and is not a false absence). On 50 sites, we randomly assigned “decoy lichen” treatments (small pieces of felt that resemble boreal felt lichen) and three seekers with different survey experience and time limits carried out their respective searches for these decoys. This sampling method is very applicable to sessile, rare organisms, such as lichens and mosses. Using circular sample plots of 5m in radius, we determined that 20 minutes is the required search effort to detect at least one rare and cryptic lichen individuals within the plot. We also found that decoy density on a plot had a strong influence on decoy detectability, regardless of seeker experience. Detection reliability was greater for the two seekers with prior cryptic survey experience compared to the seeker with none. High confidence in the “true absence” rate is useful for comparative studies of optimal and non-optimal habitat, and the methods here are useful to estimate detection rates for other cryptic organisms.
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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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