MétaCan
Menu
Retour à la cohorte
Enregistrement W4292264459 · doi:10.4236/oje.2022.128031

African Lion Population Estimates in Tanzania’s Ruaha National Park

2022· article· en· W4292264459 sur OpenAlexaff
Michael Honorati Kimaro, Hillary Thomas Mrosso, Simon Chidodo, Nyemo A. Chilagane, Fenrick Filbert Msigwa, George B. Bulenga, Rose Peter Kicheleri, Charles Peter Mgeni, Rajabu J. Kangile, Elisante Azaeli Kimambo, Courtney Hughes, Camille H. Warbington, Helen Mchaki, Daniel Mathayo, Halima Kiwango

Notice bibliographique

RevueOpen Journal of Ecology · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPantheraNational parkPopulationDry seasonPopulation densityGeographyWet seasonTanzaniaTransectHabitatDistribution (mathematics)OccupancyEcologyPopulation sizePredationDemographyBiologyMathematicsCartography

Résumé

récupéré en direct d'OpenAlex

Tanzania is considered a country with the largest number of African lions (Panthera leo). However, the continued absence of ecological population estimates and understanding of the associated factors influencing lion distribution hinders the development of conservation planning. This is particularly true in the Ruaha-Rungwa landscape, where it was estimated that more than 10% of the global lion population currently resides. By using a call-back survey method, we aimed to provide population estimates (population size and density) of African lions in the Ruaha National Park, between wet (March 2019) and dry (October 2019) seasons. We also assessed the key factors that influenced the distribution of the observed lions towards call-back stations. Ferreira & Funston’s (2010) formula was used to calculate population size and in turn used to estimate density in the sampled area, while the Generalized Linear Model (GLMM) with zero-inflated Poisson error distribution was used to determine factors that influence the distribution of the observed lions to call-back stations. The population size we calculated for the sampled area of 3137.2 km2 revealed 286 lions (95% CI, 236 - 335) during the wet season, and 196 lions (95% CI, 192 - 200) during the dry season. The density of lions was 9.1/100 km2 during the wet season, and 6.3/100 km2 during the dry season. Distance to water source had a significant negative effect on the distribution of the observed lions to the call-back stations, while habitat had a marginal effect. Our findings show that, although lion population estimates were larger during the wet season than the dry season, the season had no effect on the distribution of the observed lions to call-back stations. We suggest that the proximity to water sources is important in study design. Further, we suggest that density and population size are useful indices in identifying conservation area priorities and lion coexistence strategies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,020
Tête enseignante GPT0,269
Écart entre enseignants0,249 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Journal of EcologyMême sujetWildlife Ecology and ConservationTravaux en français237 207