Using photo by-catch data to reliably estimate spotted hyaena densities over time
Notice bibliographique
Résumé
Abstract Protected areas are becoming increasingly isolated refugia for large carnivores but remain critical for their survival. Spotted hyaenas ( Crocuta crocuta ) are important members of the African large carnivore guild but, like other members of the guild, routinely come into conflict with people because of their large home ranges that are not always confined to protected areas. To effectively conserve spotted hyaena populations, it is paramount to monitor their abundance through reliable and cost-effective techniques. We estimated the density of spotted hyaenas in Hluhluwe–iMfolozi Park (HiP), South Africa using camera trap images and a spatially explicit capture-recapture (SECR) framework between 2013 and 2018. We estimated an average of 18.29 ± 3.27 spotted hyaenas per 100 km 2 between 2013 and 2018, with an annual estimated high of 20.83/100 km 2 in 2014 and a low of 11.98/100 km 2 in 2015. Our results demonstrate that camera trap by-catch data can be used for estimating spotted hyaena densities over time. We believe that given the widespread use and deployment of camera traps across Africa, collaborative efforts to use existing data to improve regional and continental estimates and population trends for spotted hyaenas should be a priority.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,012 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».