研究表明社区科学作为野生动物种群估计的保护工具

研究人员已经证明了一种成本效益高的方法，通过结合免费提供的社区科学数据和少量结构化调查来估计人口规模。这项发表在《科学报告》上的研究强调了纳入结构化调查数据以提高鸣禽种群估计准确性的重要性

像eBird和Birdtrack这样的社区科学项目提供了大量的生物多样性数据。然而，由于检测和采样面积的不完美，它们在估计人口规模方面的有效性受到了限制

研究人员使用结构化距离抽样调查对社区科学模型中的检测概率进行建模，并计算特定调查的检测偏移量，以解决这些问题，并根据社区科学数据得出可靠的人口估计值

即使是少量的距离抽样调查（社区科学家更严格、更难收集）也可以用于有效校准利用社区科学数据建立的密度和人口模型

环境与自然科学学院讲师、该研究的主要作者Tyler Hallman表示：“我们的发现为自然保护主义者提供了一种实用且具有成本效益的方法来估计密度和种群规模。通过将结构化调查数据与社区科学项目相结合，我们可以提高种群估计的准确性，最终加强鸣禽物种及其他物种的保护工作。”

这种创新的人口估计方法对全世界的自然资源保护主义者来说是有希望的。它可以进行精细的人口估计，同时利用全球社区科学家提交的数百万次观测的巨大信息

作为对这项工作的补充，Hallman最近与人合著了另一项由瑞士鸟类研究所领导并发表在《生态学》上的研究，该研究开发了一种分析大型社区科学数据库数据的新方法，称为综合距离采样（IDS）模型。这两项研究都使用了距离采样，这是基于这样一种观点，即动物离观察者越远，就越不可能被检测到

“当我们外出调查野生动物时，我们几乎总是遗漏一些东西。这就是野生动物调查的本质。我们通常会发现离我们很近的动物比离我们更远的动物比例高得多。这意味着，当你使用占社区科学数据大部分的原始计数（报告的数字没有考虑到这一点）时，你通常会低估实际情况。”

Hallman补充道，“虽然统计建模可能不会让大多数人兴奋，但这项研究提供了一种创新方法，将专业人员进行的野生动物调查和公众提交的社区科学调查的优势相结合，以产生可靠的种群估计，这对“

这两项研究有可能显著提高野生动物种群估计的准确性和可用性，并可能大大提高社区科学对保护的价值 More information: Tyler A. Hallman et al, Supplemental structured surveys and pre-existing detection models improve fine-scale density and population estimation with opportunistic community science data, Scientific Reports (2024). DOI: 10.1038/s41598-024-61582-6

Marc Kéry et al, Integrated distance sampling models for simple point counts, Ecology (2024). DOI: 10.1002/ecy.4292

Journal information: Scientific Reports , Ecology