Integrating counts, telemetry, and non‐invasive DNA data to improve demographic monitoring of an endangered species
Notice bibliographique
Résumé
Abstract Population monitoring can take many different forms, and monitoring elusive and endangered species frequently involves a variety of sparse data from different sources. Small populations are often hard to sample precisely and without bias, so when estimates of vital rates like survival or recruitment point to conflicting population trends, it can be hard to determine which is more correct. Furthermore, data can be extremely hard to collect on small populations and it can be helpful to find a way to use all available hard‐won data. To address these issues, we developed an integrated population model (IPM) using all available data to estimate vital rates and abundance for a case study of an endangered woodland caribou ( Rangifer tarandus caribou ) population. This IPM allowed us to incorporate data from juvenile recruitment surveys, telemetry‐based survival, aerial population counts and mark–resight data, and non‐invasive capture–recapture DNA data to better understand population status and trend. We estimated survival, abundance, and recruitment of four age classes of male and female caribou: young, juveniles, subadults, and adults. The four‐age class structure of the IPM allowed us to estimate recruitment from reproductive‐aged female caribou alone, even though it can be difficult to distinguish age classes—and even sexes—in the field. As part of our IPM, we developed a novel mixture model to break apart data from different age classes when age is unobservable, as it typically is from non‐invasive DNA samples. This helped us decrease bias in juvenile and adult survival estimates from scat data, which was important to our understanding of the population dynamics. Overall, our integrated model provided more precise estimates of population trends than any one method (e.g., telemetry or non‐invasive DNA) alone. This IPM provides a useful, flexible tool for biologists to monitor populations and provides a valuable example of the benefits of integrated population modeling approaches for endangered species management and recovery.
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) | 0,001 | 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 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 ».