Divergent estimates of herd‐wide caribou calf survival: Ecological factors and methodological biases
Notice bibliographique
Résumé
Abstract Population monitoring is a critical part of effective wildlife management, but methods are prone to biases that can hinder our ability to accurately track changes in populations through time. Calf survival plays an important role in ungulate population dynamics and can be monitored using telemetry and herd composition surveys. These methods, however, are susceptible to unrepresentative sampling and violations of the assumption of equal detectability, respectively. Here, we capitalized on 55 herd‐wide estimates of woodland caribou (Rangifer tarandus caribou) calf survival in Newfoundland, Canada, using telemetry (n = 1,175 calves) and 249 herd‐wide estimates of calf:cow ratios (C:C) using herd composition surveys to investigate these potential biases. These data included 17 herd‐wide estimates replicated from both methods concurrently (n = 448 calves and n = 17 surveys) which we used to understand which processes and sampling biases contributed to disagreement between estimates of herd‐wide calf survival. We used Cox proportional hazards models to determine whether estimates of calf mortality risk were biased by the date a calf was collared. We also used linear mixed‐effects models to determine whether estimates of C:C ratios were biased by survey date and herd size. We found that calves collared later in the calving season had a higher mortality risk and that C:C tended to be higher for surveys conducted later in the autumn. When we used these relationships to modify estimates of herd‐wide calf survival derived from telemetry and herd composition surveys concurrently, we found that formerly disparate estimates of woodland caribou calf survival now overlapped (within a 95% confidence interval) in a majority of cases. Our case study highlights the potential of under‐appreciated biases to impact our understanding of population dynamics and suggests ways that managers can limit the influence of these biases in the two widely applied methods for estimating herd‐wide survival.
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 | 0,075 | 0,113 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».