Estimating population range distributions from animal tracking data
Notice bibliographique
Résumé
1. Quantifying the space requirements of a population is a fundamental problem in spatial ecology, particularly as it relates to the identification of important utilization areas and the designation of protected areas for conservation and wildlife management. 2. Traditionally, population space use estimation techniques scale up from the individual to the population level by aggregating individual animal tracks and then using a single pooled distribution estimator like minimum convex polygons (MCP) or kernel density estimation (KDE). These techniques fail to account for the high levels of temporal autocorrelation in modern tracking datasets, and estimates are often sensitive to the number of individuals sampled. 3. We introduce a new population kernel density estimator (PKDE) that accounts for temporal autocorrelation in tracking data, propagates uncertainty from the individual to the population level, accounts for inter-individual variation when scaling up to the population level, and is not highly sensitive to the number of individuals tracked. Through a combination of simulated data and empirical GPS tracking datasets from three species: (a) grizzly bear (Ursus arctos horribilis); (b) lowland tapir (Tapirus terrestris); and (c) bobcat (Lynx rufus), we demonstrate that PKDE produces minimally biased estimates of population-level space use compared to conventional methods like MCP and KDE. 4. The use of conventional estimators can lead to substantial underestimation of population space usage, making them unsuitable for area-based conservation planning. The statistically efficient PKDE estimator provides relatively unbiased estimates of space use with fewer individuals sampled. This method has been made available as a function in the ctmm R package.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».