An assessment of sampling designs using SCR analyses to estimate abundance of boreal caribou
Notice bibliographique
Résumé
Abstract Accurately estimating abundance is a critical component of monitoring and recovery of rare and elusive species. Spatial capture–recapture (SCR) models are an increasingly popular method for robust estimation of ecological parameters. We provide an analytical framework to assess results from empirical studies to inform SCR sampling design, using both simulated and empirical data from noninvasive genetic sampling of seven boreal caribou populations (Rangifer tarandus caribou), which varied in range size and estimated population density. We use simulated population data with varying levels of clustered distributions to quantify the impact of nonindependence of detections on density estimates, and empirical datasets to explore the influence of varied sampling intensity on the relative bias and precision of density estimates. Simulations revealed that clustered distributions of detections did not significantly impact relative bias or precision of density estimates. The genotyping success rate of our empirical dataset (n = 7,210 samples) was 95.1%, and 1,755 unique individuals were identified. Analysis of the empirical data indicated that reduced sampling intensity had a greater impact on density estimates in smaller ranges. The number of captures and spatial recaptures was strongly correlated with precision, but not absolute relative bias. The best sampling designs did not differ with estimated population density but differed between large and small ranges. We provide an efficient framework implemented in R to estimate the detection parameters required when designing SCR studies. The framework can be used when designing a monitoring program to minimize effort and cost while maximizing effectiveness, which is critical for informing wildlife management and conservation.
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 | 0,198 | 0,347 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».