Modeling movements improves capture–recapture estimates for mobile species with sparse data: Polar bears ( <i>Ursus maritimus</i> ) in <scp>Viscount Melville</scp> sound
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Wildlife management requires estimates of demographic parameters that are difficult to obtain for mobile species at low densities. Biased parameter estimates often result from capture–recapture (CR) studies due to small sample sizes and unequal recapture probabilities, the latter of which can be caused by animal movements with respect to the sampling area. We developed a multistate CR model designed to minimize biases by including multiple data types (capture, harvest, natural mortality, and telemetry) and accounting for temporary emigration. We applied the model to data collected intensively from 2012 to 2014, and intermittently since the 1970s, for the Viscount Melville (VM) subpopulation of polar bears ( Ursus maritimus ) in the Canadian Arctic. The number of bears within the VM subpopulation boundary likely increased from an average of 145 (Bayesian 95% credible interval [CRI] [109, 221]) in 1989–1992 to 235 (95% CRI [148, 569]) in 2012–2014. Survival probability increased for all sex and age classes except adult females, for which estimates declined due to unknown reasons. Polar bear movements exhibited Markovian dependence with approximately 28% of the subpopulation located outside of the sampling area each spring. This contributed to inaccurate parameter estimates when using a simpler, single‐state CR model that only included capture data. Although the interpretation of demographic status was complicated by statistical uncertainty and changes in study design, our findings suggest that—as of 2014—the VM polar bear subpopulation had likely recovered from an earlier period of overharvest, was stable, and had not exhibited detectable negative effects of climate warming.
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.
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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 découle