A 91% decline in a common anuran in an otherwise stable amphibian community inferred from 17 years of rapid road surveys
Notice bibliographique
Résumé
Abstract Amphibians are disproportionately represented among the many vertebrate taxa that are declining globally. Few long‐term studies of amphibians exist, especially in temperate climates, hindering our understanding of long‐term trends in amphibian communities, which may delay or prevent management action. Here, we develop and deploy an inexpensive monitoring method with potentially broad scientific and community uptake, ‘rapid road surveys’. We test whether this protocol is useful in understanding relative abundance in an amphibian community over a 17‐year period. From 2003 to 2019, we performed thousands of rapid (5–15 min) amphibian surveys and recorded the number of on‐road amphibians along a single, 267 m stretch of secondary roads in rural Canada. Assuming that on‐road occurrence reflects relative amphibian population sizes, we show that amphibians have declined by approximately 73% from 2003 to 2019. The decline was driven by a remarkable 91% decrease in the abundance of northern leopard frogs ( Lithobates pipiens ), the species comprising the most observation records, while all other species did not show a temporal trend. We cannot attribute a definitive mechanism to the L. pipiens decline. However, by ruling out a number of putative causes, we hypothesize that it may be related to land‐use change or infectious disease. Our results show that a simple, temporally replicated road survey protocol, deployed in a spatially restricted area, can be a valuable tool for conservation scientists to understand trends in abundance across an entire community. We discuss how these rapid road surveys are likely a viable option for future community science initiatives.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».