Effects of body size on estimation of mammalian area requirements
Notice bibliographique
Résumé
Accurately quantifying species' area requirements is a prerequisite for effective area-based conservation. This typically involves collecting tracking data on species of interest and then conducting home-range analyses. Problematically, autocorrelation in tracking data can result in space needs being severely underestimated. Based on the previous work, we hypothesized the magnitude of underestimation varies with body mass, a relationship that could have serious conservation implications. To evaluate this hypothesis for terrestrial mammals, we estimated home-range areas with global positioning system (GPS) locations from 757 individuals across 61 globally distributed mammalian species with body masses ranging from 0.4 to 4000 kg. We then applied block cross-validation to quantify bias in empirical home-range estimates. Area requirements of mammals <10 kg were underestimated by a mean approximately15%, and species weighing approximately100 kg were underestimated by approximately50% on average. Thus, we found area estimation was subject to autocorrelation-induced bias that was worse for large species. Combined with the fact that extinction risk increases as body mass increases, the allometric scaling of bias we observed suggests the most threatened species are also likely to be those with the least accurate home-range estimates. As a correction, we tested whether data thinning or autocorrelation-informed home-range estimation minimized the scaling effect of autocorrelation on area estimates. Data thinning required an approximately93% data loss to achieve statistical independence with 95% confidence and was, therefore, not a viable solution. In contrast, autocorrelation-informed home-range estimation resulted in consistently accurate estimates irrespective of mass. When relating body mass to home range size, we detected that correcting for autocorrelation resulted in a scaling exponent significantly >1, meaning the scaling of the relationship changed substantially at the upper end of the mass spectrum.
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 | 0,000 | 0,001 |
| 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) | 0,000 | 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 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 ».