Lemur paparazzi: Arboreal camera trapping and occupancy modeling as conservation tools for monitoring threatened lemur species
Notice bibliographique
Résumé
Primate species face growing risks of extinction throughout the world. To better protect their populations, effective monitoring techniques are needed. The goal of this study was to evaluate the use of arboreal camera traps and occupancy modeling as conservation tools for threatened lemur species. This project aimed to (1) estimate the occupancy and detection probabilities of lemur species, (2) investigate factors potentially affecting lemur habitat use, and (3) determine whether ground or arboreal cameras are better for surveying lemur assemblages. We conducted camera trapping research in five forest fragments (total trap nights = 1770; 900 arboreal trap nights (134 photo events); 870 ground trap nights (2 photo events)) and reforestation areas (total trap nights = 608; 1 photo event) in Kianjavato, Madagascar from May to September 2019. We used arboreal trap data from fragments to estimate occupancy for five species: the red-fronted brown lemur (Eulemur rufifrons; ψ = 0.54 ± SD 0.03), Jolly's mouse lemur (Microcebus jollyae; ψ = 0.14 ± 0.17), the greater dwarf lemur (Cheirogaleus major; ψ = 0.42 ± 0.30), the red-bellied lemur (Eulemur rubriventer; ψ = 0.24 ± 0.03), and the black-and-white ruffed lemur (Varecia variegata; ψ = 0.24 ± 0.08). Tree diameter, elevation, distance to village, and canopy connectivity were important predictors of occupancy, while camera height, canopy connectivity, fragment ID, and fragment size predicted detection. Arboreal cameras recorded significantly higher species richness compared with ground cameras. We suggest expanded application of arboreal camera traps in future research, but we recommend longer trapping periods to better sample rarer species. Overall, arboreal camera trapping combined with occupancy modeling can be a highly efficient and useful approach for monitoring and predicting the occurrence of elusive lemur species and has the potential to be effective for other arboreal primates and canopy taxa across the globe.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».