带有摄像头陷图像的N混合模型产生了准确的类动物丰度估计

科学领域:

• 野生动物生态学野生动物生态学
• 人口动态 人口动态
• 保护生物学 保护生物学

背景情况:

• 准确的类动物种群估计对于有效的管理和保护至关重要.
• 现有的估计方法通常是昂贵的,劳动密集型,或不适合缺乏独特标识符或居住在困难地形的物种.
• 使用摄像头陷数据的N混合模型提供了一个有希望的,但尚未验证的替代方案.

研究的目的:

• 为了验证N混合物模型与摄像头陷图像相结合的有效性,以估计类动物的丰富性.
• 确定最佳的采样和数据处理策略,以准确地估计人口.
• 评估方法在不同类动物物种和环境中的适用性.

主要方法:

• 利用摄像头捕获的数据来自新墨西哥州的沙漠大角羊 (Ovis canadensis) 和俄克拉荷马州的野牛 (Bison bison bison) 和牛 (Bos taurus taurus).
• 从N混合模型中得出的丰度估计与已知的人口普查值进行比较.
• 评估了数据解析间隔 (3天和7天),图像过 (过/未过) 和摄像头设置 (运动检测/定时) 的影响.
• 嵌入主题专家 (SME) 信息先验用于检测-不检测分析.

主要成果:

• 使用过图像,运动检测和3天间隔的N混合模型准确地估计了沙漠大角羊在所有季节的丰度.
• 这种"最佳实践"的方法也产生了对野牛和牛的准确种群估计,无论之前使用的种类如何.
• 该研究确定了特定的采样和数据处理程序,以提高模型准确性.

结论:

• 使用摄像头陷图像的N混合模型方法被验证为可靠的类动物种群估计工具.
• 优化的采样策略,包括过图像,运动检测和3天间隔,提高了准确性.
• 这种经过验证的方法为估计野生动物种群规模提供了更合适和更准确的手段,特别是对于具有挑战性的物种和息地.