Motion‐sensitive cameras track population abundance changes in a boreal mammal community in southwestern Yukon, Canada
Notice bibliographique
Résumé
Abstract Motion‐sensitive cameras are commonly used to monitor wildlife occupancy rates; however, few studies have assessed whether data from cameras are correlated with density estimates obtained from more traditional labor‐intensive methods such as those based on capture‐mark‐recapture. We used data from a boreal forest community to test whether camera data were correlated with densities estimated from independent monitoring methods. We placed 72 covert cameras in the forest around Lhù'ààn Mân' (Kluane Lake), Yukon, Canada, for 7 years and tracked changes in population densities by camera hit rates. We independently estimated population densities of snowshoe hares (Lepus americanus) and red squirrels (Tamiasciurus hudsonicus) using capture‐mark‐recapture via live trapping, and Canada lynx (Lynx canadensis), coyotes (Canis latrans), and moose (Alces americanus) by snow track transects. Density estimates obtained from conventional aerial surveys were also periodically available for moose. Except for red squirrels, camera hit rates were highly correlated with population density estimates obtained by traditional methods, including across a large range of estimated densities corresponding to cyclic population dynamics in several species. Accordingly, we infer that motion‐sensitive cameras could supplement or replace traditional methods for monitoring key species in boreal forest food webs. Using cameras to monitor population change has several advantages; they require less effort in the field, are non‐invasive compared to live‐trapping, include multiple species at the same time, and rely less on weather than either aerial surveys or snow track transects. Tracking changes across the vast boreal forest is becoming increasingly necessary because of climate and landscape change and our data validate the use of motion‐sensitive cameras to provide a useful quantitative method for state‐of‐the‐environment reporting.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».