Development of optimized methods for unbiased dusky grouse population monitoring using real and simulated data
Notice bibliographique
Résumé
Rigorous state-wide monitoring programs are lacking for dusky grouse (Dendragapus obscurus), a North American species of forest grouse with relatively low detectability that is found in coniferous and mountainous areas in the western United States and Canada. Hierarchical models for estimating abundance show promise for overcoming issues associated cryptic forest grouse behavior and low population densities. Our objectives were to evaluate protocols (i.e., number of sites, visits, and route type) and analytical methods for producing annual unbiased and precise indices of abundance (CV < 15%) to inform a statewide monitoring program. During 2019–2022, we designed and implemented multiple survey protocols throughout western Montana, USA, including spring point-counts (> 2200 unique sites) and transect-level (> 390 unique transects) distance sampling. We used an iterative process of field data collection and simulation analyses to evaluate the performance of four different statistical estimators for abundance (N-mixture model, hierarchical time-removal model with distance sampling, detection-naïve model, and hierarchical distance sampling model) for point-counts and transects to produce unbiased and precise estimates of dusky grouse abundance. Simulations demonstrated that increasing the number of sites visited or probability of detection decreased the requisite amount of survey effort for obtaining precise abundance estimates for all estimators. Unbiased and precise estimates of abundance were unachievable under most realistic point-based distance sampling protocols. N-mixture protocols where point-counts conducted during periods of high probability of detection at 80 sites visited four times per area of inference (e.g. study area or region) resulted in unbiased estimates of population size with the highest precision. Our study provides baseline information necessary for the development of state-wide monitoring programs of dusky grouse and more broadly illustrates an approach for developing rigorous and achievable monitoring programs for other species of forest grouse.
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 | 0,011 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».