Effects of scent lure on camera trap detections vary across mammalian predator and prey species
Notice bibliographique
Résumé
Camera traps are a unique survey tool used to monitor a wide variety of mammal species. Camera trap (CT) data can be used to estimate animal distribution, density, and behaviour. Attractants, such as scent lures, are often used in an effort to increase CT detections; however, the degree which the effects of attractants vary across species is not well understood. We investigated the effects of scent lure on mammal detections by comparing detection rates between 404 lured and 440 unlured CT stations sampled in Alberta, Canada over 120 day survey periods between February and August in 2015 and 2016. We used zero-inflated negative binomial generalized linear mixed models to test the effect of lure on detection rates for a) all mammals, b) six functional groups (all predator species, all prey, large carnivores, small carnivores, small mammals, ungulates), and c) four varied species of management interest (fisher, Pekania pennanti; gray wolf, Canis lupus; moose, Alces alces; and Richardson's ground squirrel; Urocitellus richardsonii). Mammals were detected at 800 of the 844 CTs, with nearly equal numbers of total detections at CTs with (7110) and without (7530) lure, and variable effects of lure on groups and individual species. Scent lure significantly increased detections of predators as a group, including large and small carnivore sub-groups and fisher specifically, but not of gray wolf. There was no effect of scent lure on detections of prey species, including the small mammal and ungulate sub-groups and moose and Richardson's ground squirrel specifically. We recommend that researchers explicitly consider the variable effects of scent lure on CT detections across species when designing, interpreting, or comparing multi-species surveys. Additional research is needed to further quantify variation in species responses to scent lures and other attractants, and to elucidate the effect of attractants on community-level inferences from camera trap surveys.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».