Integrating high-speed videos in capture-mark-recapture studies of insects
Notice bibliographique
Résumé
Capture-mark-recapture (CMR) studies have been used extensively in ecology and evolution. While it is feasible to apply CMR in some animals, it is considerably more challenging in small fast-moving species such as insects. In these groups, low recapture rates can bias estimates of demographic parameters, thereby, handicapping effective analysis and management of wild populations. Here we use high-speed videos (HSV) to capture two large dragonfly species, Anax junius and Rhionaeschna multicolor, that rarely land and, thus, are particularly challenging for CMR studies. We test whether HSV, compared to conventional “eye” observations, increases the “resighting” rates and, consequently, improves estimates of both survival rates and the effects of demographic covariates on survival. We show that the use of HSV increases the number of resights by 64% in A. junius and 48% in R. multicolor. HSV improved our estimates of resighting and survival probability which were either under- or overestimated with the conventional observations. Including HSV improved credible intervals for resighting rate and survival probability by 190% and 130% in A. junius and R. multicolor, respectively. Hence, it has the potential to open the door to a wide range of research possibilities on species that are traditionally difficult to monitor with distance sampling, including within insects and birds.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».