Using interview surveys and multispecies occupancy models to inform vertebrate conservation
Notice bibliographique
Résumé
Species distribution data are an essential biodiversity variable requiring robust monitoring to inform wildlife conservation. Yet, such data remain inherently sparse because of the logistical challenges of monitoring biodiversity across broad geographic extents. Surveys of people knowledgeable about the occurrence of wildlife provide an opportunity to evaluate species distributions and the ecology of wildlife communities across large spatial scales. We analyzed detection histories of 30 vertebrate species across the Western Ghats biodiversity hotspot in India, obtained from a large-scale interview survey of 2318 people who live and work in the forests of this region. We developed a multispecies occupancy model that simultaneously corrected for false-negative (non-detection) and false-positive (misidentification) errors that interview surveys can be prone to. Using this model, we integrated data across species in composite analyses of the responses of functional species groups (based on disturbance tolerance, diet, and body mass traits) to spatial variation in environmental variables, protection, and anthropogenic pressures. We observed a positive association between forest cover and the occurrence of species with low tolerance of human disturbance. Protected areas were associated with higher occurrence for species across different functional groups compared with unprotected lands. We also observed the occurrence of species with low disturbance tolerance, herbivores, and large-bodied species was negatively associated with developmental pressures, such as human settlements, energy production and mining, and demographic pressures, such as biological resource extraction. For the conservation of threatened vertebrates, our work underscores the importance of maintaining forest cover and reducing deforestation within and outside protected areas, respectively. In addition, mitigating a suite of pervasive human pressures is also crucial for wildlife conservation in one of the world's most densely populated biodiversity hotspots.
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 | 0,011 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».