Landbird trends in protected areas using time‐to‐event occupancy models
Notice bibliographique
Résumé
Abstract Global populations of wildlife are affected by human activity, land cover change, and climate change. Long‐term monitoring programs across large spatial scales are required to understand how these and other factors affect wildlife populations. Occupancy models are frequently used to monitor changes in species distribution while accounting for imperfect detection. Occupancy surveys can be expensive because they typically require multiple surveys to estimate the probability of detection. Time‐to‐detection models provide a promising approach for estimating occupancy because they require just one visit; however, few studies have tested or applied these models to wildlife data. We ran a simulation study to assess biases of time‐to‐event occupancy models for standardized avian point‐count surveys and then applied the models to 10 yr of data. Time to first detection occupancy models had minimal bias and almost nominal coverage for species with a mean time to first detection <8 min on surveys with 10 min of sampling. Biases and root mean squared error increased with increasing time to first detection. We applied a single species, multi‐year occupancy model to 34,665 detections of 77 landbird species collected across 500 km of latitude in five protected areas along the Rocky Mountains. Models from 64 species converged and had mean times to first detection <8 min. Average time to first detections was 3.2 min, which reflected a cumulative probability of detection of 0.96. Occupancy rates increased, decreased, and remained unchanged for 53%, 9%, and 38% of species, respectively. Overall, occupancy rates increased in 2015 and 2016 for short‐ and long‐distance migrants and decreased slightly for winter residents. Average decadal temperature and precipitation were important predictors for almost half of the species, while annual changes in spring temperature and precipitation affected 23% of species. Our studies demonstrate that time to first event occupancy models provide an efficient method for monitoring changes in distribution so long as encounter rates are much shorter than the survey duration. Our stable to increasing trends and strong responses to spring temperature and precipitation highlight the value of long‐term monitoring for understanding how changing climatic conditions affect wildlife.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».