Assessing the suitability of a one‐time sampling event for close‐kin mark‐recapture: A caribou case study
Notice bibliographique
Résumé
Abstract Abundance estimation is frequently an objective of conservation and monitoring initiatives for threatened and other managed populations. While abundance estimation via capture–mark–recapture or spatially explicit capture–recapture is now common, such approaches are logistically challenging and expensive for species such as boreal caribou ( Rangifer tarandus ), which inhabit remote regions, are widely dispersed, and exist at low densities. Fortunately, the recently developed ‘close‐kin mark–recapture’ (CKMR) framework, which uses the number of kin pairs obtained within a sample to generate an abundance estimate, eliminates the need for multiple sampling events. As a result, some caribou managers are interested in using this method to generate an abundance estimate from a single, non‐invasive sampling event for caribou populations. We conducted a simulation study using realistic boreal caribou demographic rates and population sizes to assess how population size and the proportion of the population surveyed impact the accuracy and precision of single‐survey CKMR‐based abundance estimates. Our results indicated that abundance estimates were biased and highly imprecise when very small proportions of the population were sampled, regardless of the population size. However, the larger the population size, the smaller the required proportion of the population surveyed to generate both accurate and reasonably precise estimates. Additionally, we also present a case study in which we used the CKMR framework to generate annual female abundance estimates for a small caribou population in Jasper National Park, Alberta, Canada, from 2006 to 2015 and compared them to existing published capture–mark–recapture‐based estimates. Both the accuracy and precision of the annual CKMR‐based abundance estimates varied across years and were sensitive to the proportion of pairwise kinship comparisons which yielded a mother–offspring pair. Taken together, our study demonstrates that it is possible to generate CKMR‐based abundance estimates from a single sampling event for small caribou populations, so long as a sufficient sampling intensity can be achieved.
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 | 0,010 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».