Using Decision Analysis to Determine the Feasibility of a Conservation Translocation
Notice bibliographique
Résumé
Conservation translocations, intentional movements of species to protect against extinction, have become widespread in recent decades and are projected to increase further as biodiversity loss continues worldwide. The literature abounds with analyses to inform translocations and assess whether they are successful, but the fundamental question of whether they should be initiated at all is rarely addressed formally. We used decision analysis to assess northern leopard frog reintroduction in northern Idaho, with success defined as a population that persists for at least 50 years. The Idaho Department of Fish and Game was the decision maker (i.e., the agency that will use this assessment to inform their decisions). Stakeholders from government, indigenous groups, academia, land management agencies, and conservation organizations also participated. We built an age-structured population model to predict how management alternatives would affect probability of success. In the model, we explicitly represented epistemic uncertainty around a success criterion (probability of persistence) characterized by aleatory uncertainty. For the leading alternative, the mean probability of persistence was 40%. The distribution of the modelling results was bimodal, with most parameter combinations resulting in either very low (<5%) or relatively high (>95%) probabilities of success. Along with other considerations, including cost, the Idaho Department of Fish and Game will use this assessment to inform a decision regarding reintroduction of northern leopard frogs. Conservation translocations may benefit greatly from more widespread use of decision analysis to counter the complexity and uncertainty inherent in these decisions. History: This paper has been accepted for the Decision Analysis Special Issue on Decision Analysis to Advance Environmental Sustainability. Funding: This work was supported by the Wilder Institute/Calgary Zoo, the U.S. Fish and Wildlife Service [Grant F18AS00095], the NSF Idaho EPSCoR Program and the National Science Foundation [Grant OIA-1757324], and the Hunt Family Foundation. Supplemental Material: The online appendix is available at https://doi.org/10.1287/deca.2023.0472 .
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 | 0,021 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».