Assessing conservation status with extensive but low‐resolution data: Application of frequentist and Bayesian models to endangered Athabasca River rainbow trout
Notice bibliographique
Résumé
Use of extensive but low-resolution abundance data is common in the assessment of species at-risk status based on quantitative decline criteria under International Union for Conservation of Nature (IUCN) and national endangered species legislation. Such data can be problematic for 3 reasons. First, statistical power to reject the null hypothesis of no change is often low because of small sample size and high sampling uncertainty leading to a high frequency of type II errors. Second, range-wide assessments composed of multiple site-specific observations do not effectively weight site-specific trends into global trends. Third, uncertainty in site-specific temporal trends and relative abundance are not propagated at the appropriate spatial scale. A common result is the propensity to underestimate the magnitude of declines and therefore fail to identify the appropriate at-risk status for a species. We used 3 statistical approaches, from simple to more complex, to estimate temporal decline rates for a designatable unit (DU) of rainbow trout in the Athabasca River watershed in western Canada. This DU is considered a native species for purposes of listing because of its genetic composition characterized as >0.95 indigenous origin in the face of continuing introgressive hybridization with introduced populations in the watershed. Analysis of abundance trends from 57 time series with a fixed-effects model identified 33 sites with negative trends, but only 2 were statistically significant. By contrast, a hierarchical linear mixed model weighted by site-specific abundance provided a DU-wide decline estimate of 16.4% per year and a 3-generation decline of 93.2%. A hierarchical Bayesian mixed model yielded a similar 3-generation decline trend of 91.3% and the posterior distribution showed that the estimate had a >99% probability of exceeding thresholds for an endangered listing. We conclude that the Bayesian approach was the most useful because it provided a probabilistic statement of threshold exceedance in support of an at-risk status recommendation.
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 | 0,010 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».