•  
  •  
 

Abstract

Since 1993, elk (Cervus canadensis nelsoni) abundance in the Black Hills of South Dakota has been estimated using a detection probability model previously developed in Idaho, though it is likely biased because of a failure to account for visibility biases under local conditions. To correct for this bias, we evaluated the current detection probability across the Black Hills during January and February 2009–2011 using radio-collared elk. We used logistic regression to evaluate topographic features, habitat characteristics, and group characteristics relative to their influence on detection probability of elk. Elk detection probability increased with less vegetation cover (%), increased group size, and more snow cover (%); overall detection probability was 0.60 (95% CI 0.52–0.68), with 91 of 152 elk groups detected. Predictive capability of the selected model was excellent (ROC = 0.807), and prediction accuracy ranged from 70.2% to 73.7%. Cross-validation of the selected model with other population estimation methods resulted in comparable estimates. Future applications of our model should be applied cautiously if characteristics of the area (e.g., vegetation cover >50%, snow cover >90%, group sizes >16 elk) differ notably from the range of variability in these factors under which the model was developed.


Desde 1993, la abundancia de uapitíes (Cervus canadensis nelsoni) en las Black Hills del Sur de Dakota ha sido estimada usando un modelo de probabilidad de detección desarrollado en Idaho, aunque es probable que este modelo esté sesgado dada su incapacidad para dar cuenta de los sesgos visibles en condiciones locales. Para corregir el sesgo, evaluamos la probabilidad de detección actual en las Black Hills durante enero y febrero de 2009–2011 utilizando ciervos con radio collares. Empleamos regresión logística para evaluar las características topográficas, del habitat y del grupo, relativas a su influencia en la probabilidad de detección de ciervos. La probabilidad de detección aumentó cuando la cobertura vegetal disminuyó (%) y cuando el tamaño del grupo y la capa de nieve aumentaron (%). En general, la probabilidad de detección fue de 0.60 (IC 95% 0.52–0.68) con 91 de 152 grupos de ciervos detectados. La capacidad predictiva del modelo seleccionado fue excelente (ROC = 0.807) y la precisión de la predicción varió de 70.2% a 73.7%. La validación cruzada del modelo seleccionado con otros métodos de estimación de la población, dio como resultado estimaciones comparables. Las futuras aplicaciones de nuestro modelo deben realizarse con cautela siempre que las características del área (e.g., cobertura vegetal >50%, capa de nieve >90% y tamaño del grupo >16 ciervos) difieran notablemente del rango de variabilidad de los factores bajo los cuales se desarrolló este modelo.

Download

Share

COinS