Data from: When can model-based estimates replace surveys of wildlife populations that span many discrete management units?
Notice bibliographique
Résumé
Monitoring widely distributed species on a budget presents challenges for the spatio-temporal allocation of survey effort. When there are multiple discrete units to monitor, survey alternatives such as model-based estimates can be useful to fill information-gaps but may not reliably reflect biological complexity and change. The spatio-temporal allocation of survey effort that minimizes uncertainty for the greatest number of units within a budget can help to ensure monitoring efforts are optimized. We used aerial survey-based population estimates of moose (Alces alces) across 30 Wildlife Management Units (WMUs) in Ontario, Canada to parameterize simulated populations and test the performance of different monitoring scenarios in capturing WMU-specific annual variation and trends. Firstly, we tested scenarios that prioritized conducting a survey for a unit based on one of three management criteria: population state, population uncertainty, or number of years between surveys. Also incorporated in the decision framework were WMU-specific costs and annual budget constraints. Secondly, we tested how using model-based estimates to fill information-gaps improved population and trend estimates. Lastly, we assessed how the utility (based on minimizing population uncertainty) of using a model-based estimate rather than conducting a survey was impacted by population density, severity of environmental stressors, and years since the last survey. Interval-based monitoring that minimized the number of years between surveys captured accurate trends for the highest number of WMUs, but annual variation was poorly captured regardless of management criteria prioritized. Using model-based estimates to fill information gaps improved trend estimation. Further, the utility of conducting a survey increased with time since the last survey and was greater for populations with low densities when the severity of environmental stressors was high, while being greater for populations with high densities when environmental severity was low. Overall, the utility of aerial survey monitoring was strongly associated with WMU-specific monitoring precision and the predictive power of model-based estimates. If long-term trends are evident then there is greater value in using alternatives such as model-based predictions to replace surveys, but model-based estimates may be a poor substitute when there is strong annual variation and when using a simple model.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,043 | 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 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 ».