Review of field methods for monitoring Asian bears
Notice bibliographique
Résumé
Efficient and effective monitoring methods are required to assess population status and gauge efficacy of conservation actions for threatened species. Here we review the spectrum of field methods useful for monitoring distribution, occupancy, abundance, and population trend for the five species of Asian terrestrial bears. Methods reviewed include expert opinion, local knowledge, bear sign, visual observations, camera traps, DNA-based methods (hair and scat derived), and radio telemetry. We examine the application of each method in terms of realizing specific monitoring objectives, their assumptions, challenges, and advantages. Our goal is to assist researchers in matching appropriate field methods with sought-after project objectives and to highlight shortfalls and trade-offs. Methods vary greatly in terms of cost, logistics, required number and expertize of staff, and the reliability of the data they provide. Many Asian bear population assessments have relied on expert opinion, local interviews, and sign surveys to provide estimates of distribution, abundance, and trend, in part because these are inexpensive and relatively easy to employ. However, increasing use of camera traps and DNA-based methods now allow for better monitoring via occupancy or rigorous capture–recapture population estimation, with the caveat that these methods may be restricted by inadequate budgets or logistical constraints. For distribution monitoring, camera traps and DNA yield the most definitive records of presence, but in low density bear populations, sign and local knowledge may be more effective. For occupancy, camera traps and DNA are advantageous in providing definitive detections in known time periods. For abundance/density or population trend monitoring in relatively small areas (<10,000 km2), bears must be individually identified and used in a mark-recapture design. This requires DNA from collections of hair or scat, or a camera-based survey in which natural chest marks are clearly visible and individually distinguishable. DNA-methods or camera traps within individual identification is best for population trend when sufficient funding is available. Alternatively, careful use of local knowledge or expert opinion may be viable options, but come with greater uncertainty. For the foreseeable future, we believe that expert opinion will likely continue to play a large part in monitoring Asian bears, but these opinions should be informed by more rigorous data from the other methods we discuss.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».