Data from: One-stage spatial mark-resight analysis reveals an increasing grizzly bear population with declining density near roads
Notice bibliographique
Résumé
Wildlife ecologists throughout the world strive to monitor trends in population abundance to help manage wildlife populations and conserve species at risk. Spatial capture-recapture studies are the gold standard for monitoring density, yet they can be difficult to apply because researchers must be able to distinguish all detected individuals. Spatial mark-resight (SMR) models only require a subset of the population to be marked and identifiable. Recent advances in SMR models with radio-collared animals required a two-staged analysis. We developed a one-stage generalized SMR (gSMR) model that used detection histories of marked and unmarked animals in a single analysis. We used simulations to assess the performance of one- and two-stage gSMR models. We then applied the one-stage gSMR with telemetry and remote camera data to estimate grizzly bear (Ursus arctos) abundance from 2012 to 2023 within the Canadian Rocky Mountains. We estimated abundance trends for the population and reproductive females (females with cubs of the year). Simulations suggest one- and two-stage models performed equally well. One-stage models are more dependable as they use exact likelihoods whereas two-stage models have shorter computation times for large datasets. Both methods had > 95% credible interval coverage and minimal bias. Increasing the number of marked animals increased the accuracy and precision of abundance estimates and > 10 marked animals were required to obtain coefficients of variation < 20% in most scenarios. The grizzly bear population increased slightly (growth rate λmean = 1.02) to a 2023 density of 10.4 grizzly bears/1000 km2. Reproductive female abundance had high interannual variability and increased to 1.0 bears/1000 km2. Population density was highest within protected areas, within high quality habitat and far from paved roads. The density of activity centers declined near paved roads over time. Mechanisms of decline may have included direct mortality and shifting activity centers to avoid human activity. Our study demonstrates the influence of human activity on localized density and importance of protected areas for carnivore conservation. Finally, our study highlights the widespread utility of remote camera and telemetry-based spatial mark-resight models for monitoring spatiotemporal trends in abundance.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».