祝贺Natoya Jourdain获得博士学位。
Natoya的博士学位是关于相机陷阱数据的新分析方法。
摘要
陆地哺乳动物的密度估计在生态学中变得越来越重要,需要强有力的分析工具来提供指导野生动物管理的结果。这篇论文关注的是在没有标记的动物和相机陷阱之间的密度估计建模。我们探索了Rowcliffe等人(2008)的随机相遇模型(REM),用于估计无法从相机陷阱数据识别到个体水平的物种密度。我们通过对英格兰南部贝德福德郡Whipsnade野生动物园(WWAP)的数据集进行分析,展示了如何在最大似然框架内使用REM来估计未标记动物的密度。论文的其余部分着重于开发和评估扩展的随机相遇模型,该模型在集成的人口建模框架中描述数据。我们提出了在综合随机相遇模型(iREM)中模拟种群丰度的各种方法,其中复杂的特征是相遇和动物物种的变化。与非参数REM相比,iREM是一种更加灵活和鲁棒的参数模型,它产生了与密度有关的新颖和有意义的参数,考虑了密度估计所需参数的抽样变异性。我们提出的iREM模型可以描述丰度随生境类型和气候条件等不同因素的变化。我们开发了模型来解释快速移动动物的密度诱导偏差,这些动物更有可能遇到摄像机陷阱,并解决了综合种群模型中的独立假设。我们提出的模型考虑了相机指数和动物密度之间的函数关系,并代表了目前从相机陷阱数据中估计未标记动物丰度的简单建模方法的进步。 We illustrate the application of the models proposed to a community of terrestrial mammals from a tropical moist forest at Barro Colorado Island (BCI), Panama.