MétaCan
Menu
Retour à la cohorte
Enregistrement W4298120149 · doi:10.1101/2022.09.29.509951

Clarifying space use concepts in ecology: range vs. occurrence distributions

2022· preprint· en· W4298120149 sur OpenAlexafffund
Jesse M. Alston, Christen H. Fleming, Michael Noonan, Marlee A. Tucker, Inês Silva, Cody Folta, Thomas S. Akre, Abdullahi H. Ali, Jerrold L. Belant, Dean E. Beyer, Niels Blaum, Katrin Böhning‐Gaese, Rogério Cunha de Paula, Jasja Dekker, Jonathan Drescher‐Lehman, Nina Farwig, Claudia Fichtel, Christina Fischer, Adam T. Ford, René Janssen, Florian Jeltsch, Peter M. Kappeler, Scott LaPoint, A. Catherine Markham, Emília Patrícia Medici, Ronaldo Gonçalves Morato, Ran Nathan, Kirk A. Olson, Bruce D. Patterson, Tyler R. Petroelje, Emiliano Esterci Ramalho, Sascha Rösner, Luiz Gustavo Oliveira Santos, Dana G. Schabo, Nuria Selva, Agnieszka Sergiel, Orr Spiegel, Wiebke Ullmann, Filip Zięba, Tomasz Zwijacz‐Kozica, George Wittemyer, William F. Fagan, Thomas Mueller, Justin M. Calabrese

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2022
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaIsrael Institute for Biological ResearchSächsisches Staatsministerium für Wissenschaft und KunstBundesministerium für Bildung und ForschungDeutsche ForschungsgemeinschaftNational Science Foundation
Mots-clésEstimatorHome rangeRange (aeronautics)EcologyKernel density estimationMeasure (data warehouse)EconometricsComputer scienceInferenceStatistical inferenceStatisticsGeographyData scienceMathematicsData miningArtificial intelligenceHabitatBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Quantifying animal movements is necessary for answering a wide array of research questions in ecology and conservation biology. Consequently, ecologists have made considerable efforts to identify the best way to estimate an animal’s home range, and many methods of estimating home ranges have arisen over the past half century. Most of these methods fall into two distinct categories of estimators that have only recently been described in statistical detail: those that measure range distributions (methods such as Kernel Density Estimation that quantify the long-run behavior of a movement process that features restricted space use) and those that measure occurrence distributions (methods such as Brownian Bridge Movement Models and the Correlated Random Walk Library that quantify uncertainty in an animal movement path during a specific period of observation). In this paper, we use theory, simulations, and empirical analysis to demonstrate the importance of applying these two classes of space use estimators appropriately and distinctly. Conflating range and occurrence distributions can have serious consequences for ecological inference and conservation practice. For example, in most situations, home-range estimates quantified using occurrence estimators are too small, and this problem is exacerbated by ongoing improvements in tracking technology that enable more frequent and more accurate data on animal movements. We encourage researchers to use range estimators to estimate the area of home ranges and occurrence estimators to answer other questions in movement ecology, such as when and where an animal crosses a linear feature, visits a location of interest, or interacts with other animals. Open Research Statement Tracking data on Aepyceros melampus, Beatragus hunteri, Bycanistes bucinator, Cerdocyon thous, Eulemur rufifrons, Glyptemys insculpta, Gyps coprotheres, Madoqua guentheri, Ovis canadensis, Propithecus verreauxi, Sus scrofa , and Ursus arctos are publicly archived in the Dryad repository (Noonan et al. 2018; https://doi.org/10.5061/dryad.v5051j2 ), as are data from Procapra gutturosa (Fleming et al. 2014a; https://doi.org/10.5061/dryad.45157 ). Data on Panthera onca were taken from (Morato et al. 2018). Additional data are publicly archived in the Movebank repository under the following identifiers: Canis latrans , 8159699; Canis lupus , 8159399; Chrysocyon brachyurus , 18156143; Felis silvestris , 40386102; Gyps africanus , 2919708; Lepus europaeus , 25727477; Martes pennanti , 2964494; Panthera leo , 220229; Papio cynocephalus , 222027; Syncerus caffer , 1764627; Tapirus terrestris , 443607536; Torgos tracheliotus , 2919708; and Ursus americanus , 8170674.

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 candidatesMéta-épidémiologie (sens strict), Charge 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 enseignants0,010
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,239
Écart entre enseignants0,219 · 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

Citations35
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetWildlife Ecology and ConservationTravaux en français237 207