Density and abundance estimation of unmarked ungulates using camera traps in the Mudumu National Park, Namibia
Notice bibliographique
Résumé
Abstract Density and abundance estimates are critical to effective wildlife management and are essential for monitoring population trends and setting effective quotas for harvesting. Management of roan ( Hippotragus equinus ) and sable ( H. niger ) antelopes in Mudumu National Park (MNP), Namibia, is challenging because they are elusive, naturally unmarked, and believed to occur at low densities. The species are threatened by habitat fragmentation, human population growth, and illegal hunting, and reliable density and abundance estimates have not been quantified, hampering management and conservation plans. Our objective was to estimate roan and sable densities and abundances using the time in front of the camera model (TIFC) and the Poisson-binomial N-mixture model (PB), respectively. We also evaluated the effects of environmental and ecological variables on roan and sable abundance. We used data from two camera trap surveys conducted between March and September 2021 in the MNP. Results showed that the TIFC model provided low-density estimates of 1.62 (95% CI 1.61–1.64) roans/km 2 and 2.46 (95% CI 2.42–2.50) sables/km 2 , consistent with trends reported in Africa where these species occur at low densities. In addition, the total abundance of roans and sables in the MNP from the PB model were 57 and 242, respectively. Higher roan abundance occurred in sites with higher grass cover. This study provides the first accurate camera trap-derived density and abundance estimates for roan and sable in the MNP, which will be critical for developing comprehensive conservation programs and strategies that are likely to reduce the risk of extinction for both species.
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 | 0,008 | 0,001 |
| 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 ».