Using mobile acoustic monitoring and false‐positive <scp>N</scp>‐mixture models to estimate bat abundance and population trends
Notice bibliographique
Résumé
Abstract Estimating the abundance of unmarked animal populations from acoustic data is challenging due to the inability to identify individuals and the need to adjust for observation biases including detectability (false negatives), species misclassification (false positives), and sampling exposure. Acoustic surveys conducted along mobile transects were designed to avoid counting individuals more than once, where raw counts are commonly treated as an index of abundance. More recently, false‐positive abundance models have been developed to estimate abundance while accounting for imperfect detection and misclassification. We adapted these methods to model summertime abundance and trends of three species of bats at multiple spatial scales using acoustic recordings collected along mobile transects by partners of the North American Bat Monitoring Program (NABat) from 2012 to 2020. This multiscale modeling spanned individual transect routes, larger NABat grid cells (10 km × 10 km), and across the entire extent of modeled species ranges. We estimated relationships between species abundances and a suite of abiotic and biotic predictors (landcover types, climatological variables, physiographic diversity, building density, and the impacts of white‐nose syndrome [WNS]) and found varying levels of support between species. We present clear evidence of substantial declines in populations of tricolored bats ( Perimyotis subflavus ) and little brown bats ( Myotis lucifugus ), declines that corresponded in space and time with the progression of WNS, a devastating disease of hibernating bats. In contrast, our analysis revealed that similar population‐wide declines probably have not occurred in big brown bats ( Eptesicus fuscus ), a species known to be less affected by WNS. This study provides the first abundance‐based species distribution predictions and population trends for bats in their summer ranges in North America. These models will probably be applicable to assessing wildlife populations in other monitoring programs where acoustic data are used or where false‐negative and false‐positive detections are present. Finally, our abundance framework (as a spatial point pattern process) can serve as a foundation from which more sophisticated integrated species distribution models that incorporate additional streams of monitoring data (e.g., stationary acoustics, captures) can be developed for North American bats.
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 | 0,001 | 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 ».