Lessons learned from comparing spatially explicit models and the Partners in Flight approach to estimate population sizes of boreal birds in Alberta, Canada
Notice bibliographique
Résumé
Abstract Estimating the population abundance of landbirds is a challenging task complicated by the amount, type, and quality of available data. Avian conservationists have relied on population estimates from Partners in Flight (PIF), which primarily uses roadside data from the North American Breeding Bird Survey (BBS). However, the BBS was not designed to estimate population sizes. Therefore, we set out to compare the PIF approach with spatially explicit models incorporating roadside and off-road point-count surveys. We calculated population estimates for 81 landbird species in Bird Conservation Region 6 in Alberta, Canada, using land cover and climate as predictors. We also developed a framework to evaluate how the differences between the detection distance, time-of-day, roadside count, and habitat representation adjustments explain discrepancies between the 2 estimators. We showed that the key assumptions of the PIF population estimator were commonly violated in this region, and that the 2 approaches provided different population estimates for most species. The average differences between estimators were explained by differences in the detection-distance and time-of-day components, but these adjustments left much unexplained variation among species. Differences in the roadside count and habitat representation components explained most of the among-species variation. The variation caused by these factors was large enough to change the population ranking of the species. The roadside count bias needs serious attention when roadside surveys are used to extrapolate over off-road areas. Habitat representation bias is likely prevalent in regions sparsely and non-representatively sampled by roadside surveys, such as the boreal region of North America, and thus population estimates for these regions need to be treated with caution for certain species. Additional sampling and integrated modeling of available data sources can contribute towards more accurate population estimates for conservation in remote areas of North America.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».