A novel mark-recapture-recovery survey using genetic sampling for polar bears Ursus maritimus in Baffin Bay
Notice bibliographique
Résumé
Changes in sea-ice dynamics are affecting polar bears Ursus maritimus across their circumpolar range, which highlights the importance of periodic demographic assessments to inform management and conservation. We used genetic mark-recapture-recovery to derive estimates of abundance and survival for the Baffin Bay (BB) polar bear subpopulation—the first time this method has been used successfully for this species. Genetic data from tissue samples we collected via biopsy darting were combined with historical physical capture and harvest recovery data. The combined data set consisted of 1410 genetic samples (2011-2013), 914 physical captures (1993-1995, 1997), and 234 harvest returns of marked bears (1993-2013). The estimate of mean subpopulation abundance was 2826 (95% CI = 2284-3367) in 2012-2013. Estimates of annual survival (mean ± SE) were 0.90 ± 0.05 and 0.78 ± 0.06 for females and males age ≥2 yr, respectively. The proportion of total mortality of adult females and males that was attributed to legal harvest was 0.16 ± 0.05 and 0.26 ± 0.06, respectively. Remote sensing sea-ice data, telemetry data, and spatial distribution of onshore sampling indicated that polar bears were more likely to use offshore sea-ice habitat during the 1990s sampling period compared to the 2010s. Furthermore, in the 1990s, sampling of deep fjords and inland areas was limited, and no offshore sampling occurred in either time period, which precluded comparisons of abundance between the 1993-1997 and 2011-2013 study periods. Our findings demonstrate that genetic sampling can be a practical method for demographic assessment of polar bears over large spatial and temporal scales.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».