MétaCan
Menu
← Retour à la cohorte
Enregistrement W4200432819 · doi:10.1101/2021.12.08.471719

Estimating abundance of a recovering transboundary brown bear population with capture-recapture models

2021· preprint· en· W4200432819 sur OpenAlexaff
Cécile Vanpé, Blaise Piédallu, Pierre‐Yves Quenette, Jérôme Sentilles, Guillaume Queney, Santiago Palazón, Ivan Afonso Jordana, Ramón Jato, Miguel Mari Elósegui Irurtia, Jordi Solà de la Torre, Olivier Giménez

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2021
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensCanadian Nautical Research Society
Organismes subventionnairesOffice National de la Chasse et de la Faune SauvageCentre National de la Recherche Scientifique
Mots-clésMark and recapturePopulation sizeAbundance (ecology)PopulationGeographyExtinction (optical mineralogy)Sampling (signal processing)Endangered speciesStatisticsEcologyDemographyPopulation modelSmall population sizeVital ratesPopulation growthBiologyMathematics

Résumé

récupéré en direct d'OpenAlex

A bstract Estimating the size of small populations of large mammals can be achieved via censuses, or complete counts, of recognizable individuals detected over a time period: minimum detected (population) size (MDS). However, as a population grows larger and its spatial distribution expands, the risk of under-estimating population size using MDS rapidly increases because the assumption of perfect detection of all individuals in the population is violated. The need to report uncertainty around population size estimates consequently becomes crucial. We explored these biases using the monitoring framework of the critically endangered Pyrenean brown bear that was close to extinction in the mid-1990s, with only five individuals remaining, but was subsequently bolstered by the introduction of 11 bears from Slovenia. Each year since 1996, the abundance of the population has been assessed using MDS and minimum retained (population) size (MRS), which corresponded to a reassessment of the MDS in the light of the new information collected in subsequent years (e.g., adding bears which were not detected the previous years but detected the current year). We used Pollock’s closed robust design (PCRD) capture-recapture models applied to the cross-border non-invasive sampling data from France, Spain and Andorra to provide the first published annual abundance and temporal trend estimates of the Pyrenean brown bear population since 2008. Annual population size increased fivefold between 2008 and 2020, going from 13 to 66 individuals. PCRD estimates were globally close to MRS counts and had reasonably narrow associated 95% Credibility Intervals. Even in cases where sampling effort is large compared to population size, the PCRD estimates of population size can diverge from the MDS counts. We report individual heterogeneity in detection that might stem from intraspecific home range size variation that result in individuals that move the most being most likely to be detected. We also found that cubs had a higher mortality rate than adults and subadults, because of infanticide by males, predation, maternal death, or abandonment. Overall, the PCRD capture-recapture modelling approach provides estimates of abundance and demographic rates of the Pyrenean brown bear population, together with associated uncertainty, while minimizing bias due to inter-individual heterogeneity in detection probabilities. We strongly encourage wildlife ecologists and managers to use robust approaches when researching large mammal populations. Such information is vital for informing management decision-making and assessing population conservation status.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,192
Écart entre enseignants0,183 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetWildlife Ecology and Conservation→Travaux en français237 207→