使用社区科学数据优化调查条件,用于检测和删除缅甸 Python

科学领域:

• 生态生态学 生态生态学
• 侵袭性物种管理 侵袭性物种管理
• 野生动物生物学 野生动物生物学

背景情况:

• 缅甸 (Python bivittatus) 是美国佛罗里达州的一个高度入侵的物种,表现出快速传播和神秘的行为.
• 有效的控制策略是非常重要的,因为它们的生态影响和现有的激励计划来消除python.

研究的目的:

• 分析环境和运营因素对python移除调查的成功和效率的影响.
• 确定最佳条件和空间区域,以加强佛罗里达州南部的缅甸 Python 清除工作.

主要方法:

• 利用了来自南佛罗里达水务管理区的Python消除计划的数据,重点是搜索力度和python捕获数据.
• 采用统计分析来评估温度,白天时间和季节等共变量对调查结果的影响 (成功和效率).
• 绘制了承包商努力和python移除的空间分布,以确定高活动区域.

主要成果:

• 更高的温度 (25°C以上) 显著提高了调查的成功和效率.
• 晚上深夜 (20:00到02:00),特别是在雨季 (五月到十月) 进行的调查结果最好.
• 在空间上,Python的移除集中在特定地区,与集中的承包商搜索努力相关.

结论:

• 优化调查时间 (深夜) 和考虑环境条件 (温暖的温度,潮湿的季节) 可以显著提高缅甸的清除效率.
• 社区科学数据为开发有效的,数据驱动的入侵物种管理策略提供了宝贵的见解.
• 这些发现为改善佛罗里达州目前的 Python 清除计划以及潜在的其他入侵物种控制计划提供了实际建议.