Sampling bias in reptile occurrence data for the Kruger National Park
Notice bibliographique
Résumé
o effectively conserve and manage species, it is important to (1) understand how they are spatially distributed across the globe at both broad and fine spatial resolutions and (2) elucidate the determinants of these distributions. However, information pertaining to the distributions of many species remains poor as occurrence data are often scarce or collected with varying motivations, making the resulting patterns susceptible to sampling bias. Exacerbating an already limited quantity of occurrence data with an assortment of biases hinders their effectiveness for research, thus making it important to identify and understand the biases present within species occurrence data sets. We quantitatively assessed occurrence records of 126 reptile species occurring in the Kruger National Park (KNP), South Africa, to quantify the severity of sampling bias within this data set. We collated a data set of 7118 occurrence records from museum, literature and citizen science sources and analysed these at a biologically relevant spatial resolution of 1 km × 1 km. As a result of logistical challenges associated with sampling in KNP, approximately 92% of KNP is data deficient for reptile occurrences at the 1 km × 1 km resolution. Additionally, the spatial coverage of available occurrences varied at species and family levels, and the majority of occurrence records were strongly associated with publicly accessible human infrastructure. Furthermore, we found that sampled areas within KNP were not necessarily ecologically representative of KNP as a whole, suggesting that areas of unique environmental space remain to be sampled. Our findings highlight the need for substantially greater sampling effort for reptiles across KNP and emphasise the need to carefully consider the sampling biases within existing data should these be used for conservation management decision-making. Modelling species distributions could potentially serve as a short-term solution, but a concomitant increase in surveys across the park is needed.Conservation implications: The sampling biases present within KNP reptile occurrence data inhibit the inference of fine-scale species distributions within and across the park, which limits the usage of these data towards meaningfully informing conservation management decisions as applicable to reptile species in KNP.
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 | 0,014 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 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 ».