A genetic warning system for a hierarchically structured wildlife monitoring framework
Notice bibliographique
Résumé
Genetic variation is a well-known indicator of population fitness yet is not typically included in monitoring programs for sensitive species. Additionally, most programs monitor populations at one scale, which can lead to potential mismatches with ecological processes critical to species' conservation. Recently developed methods generating hierarchically nested population units (i.e., clusters of varying scales) for greater sage-grouse (Centrocercus urophasianus) have identified population trend declines across spatiotemporal scales to help managers target areas for conservation. The same clusters used as a proxy for spatial scale can alert managers to local units (i.e., neighborhood-scale) with low genetic diversity, further facilitating identification of management targets. We developed a genetic warning system utilizing previously developed hierarchical population units to identify management-relevant areas with low genetic diversity within the greater sage-grouse range. Within this warning system we characterized conservation concern thresholds based on values of genetic diversity and developed a statistical model for microsatellite data to robustly estimate these values for hierarchically nested populations. We found that 41 of 224 neighborhood-scale clusters had low genetic diversity, 23 of which were coupled with documented local population trend decline. We also found evidence of cross-scale low genetic diversity in the small and isolated Washington population, unlikely to be reversed through typical local management actions alone. The combination of low genetic diversity and a declining population suggests relatively high conservation concern. Our findings could further facilitate conservation action prioritization in combination with population trend assessments and (or) local information, and act as a base-line of genetic diversity for future comparison. Importantly, the approach we used is broadly applicable across taxa.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».