A cautionary tale comparing spatial count and partial identity models for estimating densities of threatened and unmarked populations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Population monitoring is critical to wildlife conservation, but density estimation is difficult for wide-ranging, unmarked species inhabiting remote habitats. Furthermore, recent investigations into density estimation with camera trap data has revealed unmarked models to be potentially unreliable, prompting cautious application and continued model development. Two related approaches with increasing appeal include spatial count (SC), which infer latent identities from the spatial pattern of detections, and spatial partial identity models (SPIM), which additionally leverage partial identity covariates (e.g., sex, antler point count, and presence of GPS/radio collar). To assess the performance of unmarked density models, we applied SC and SPIM to camera trap data of threatened boreal caribou in Canada, which are declining but have few rigorous density estimates across their broad distribution to inform conservation efforts. In particular, we focused on two spatially proximate caribou ranges in northern Alberta, Canada that differ in estimated caribou demographic trends, disturbance histories, and abundances of caribou predators and apparent competitors. Estimates of caribou density varied over a 4 year period (2016 – 2019), and were higher in the region with more stable reported growth rates and less anthropogenic disturbance (mode SPIM estimates: 155 – 225/1000 km2 vs. 19 – 96/1000 km2). However, density estimates differed by modeling approach and had low and variable precision, hindering inferences about population status and trajectories. Simulations suggest that SPIM estimates may have been less biased and more precise. SC models likely underestimated density by mistaking detections of neighboring individuals as recaptures of a single individual, although SPIM may also have overestimated density by inflating assignment probabilities of detections to non-existent individuals. Findings highlight the need to explore how grouping dynamics and non-independent movement violate assumptions and reduce the ability to distinguish individuals. We advocate continued investigation into the accuracy of unmarked density estimation approaches, the ecological and sampling conditions appropriate for different unmarked density models, and coordination across sampling efforts and analyses to improve population inferences.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle