The rapid improvement of camera traps in recent decades has revolutionized biodiversity monitoring. Despite clear applications in conservation science, camera traps have seldom been used to model the abundance of unmarked animal populations. We sought to summarize the challenges facing abundance estimation of unmarked animals, compile an overview of existing analytical frameworks, and provide guidance for practitioners seeking a suitable method. When a camera records multiple detections of an unmarked animal, one cannot determine whether the images represent multiple mobile individuals or a single individual repeatedly entering the camera viewshed. Furthermore, animal movement obfuscates a clear definition of the sampling area and, as a result, the area to which an abundance estimate corresponds. Recognizing these challenges, we identified 6 analytical approaches and reviewed 927 camera-trap studies published from 2014 to 2019 to assess the use and prevalence of each method. Only about 5% of the studies used any of the abundance-estimation methods we identified. Most of these studies estimated local abundance or covariate relationships rather than predicting abundance or density over broader areas. Next, for each analytical approach, we compiled the data requirements, assumptions, advantages, and disadvantages to help practitioners navigate the landscape of abundance estimation methods. When seeking an appropriate method, practitioners should evaluate the life history of the focal taxa, carefully define the area of the sampling frame, and consider what types of data collection are possible. The challenge of estimating abundance of unmarked animal populations persists; although multiple methods exist, no one method is optimal for camera-trap data under all circumstances. As analytical frameworks continue to evolve and abundance estimation of unmarked animals becomes increasingly common, camera traps will become even more important for informing conservation decision-making.
Estimación de la Abundancia de Animales No Marcados con Base en Datos de Cámaras Trampa Resumen La rápida mejoría de las cámaras trampa en las décadas recientes ha revolucionado el monitoreo de la biodiversidad. A pesar de su clara aplicación en las ciencias de la conservación, las cámaras trampa han sido utilizadas pocas veces para modelar la abundancia de las poblaciones de animales no marcados. Buscamos resumir los retos que enfrenta la estimación de la abundancia de animales no marcados, compilar una perspectiva general de los marcos analíticos de trabajo existentes y proporcionar una guía para aquellos practicantes que buscan un método adecuado. Cuando una cámara registra múltiples detecciones de animales no marcados, no se puede determinar si las imágenes representan a diferentes individuos en movimiento o a un solo individuo que entra repetidamente a la zona de visión de la cámara. Sumado a esto, el movimiento animal ofusca una definición clara del área de muestreo y, como resultado, del área a la cual corresponde un estimado de abundancia. Después de reconocer estos retos, identificamos seis estrategias analíticas y revisamos 927 estudios con cámaras trampa publicados entre 2014 y 2019 para evaluar el uso y la prevalencia de cada método. Solamente en el 5% de los estudios se usó cualquiera de los métodos de estimación de abundancia que identificamos. La mayoría de estos estudios estimaron la abundancia local o las relaciones de covarianza en lugar de predecir la abundancia o la densidad a lo largo de áreas más amplias. Después, para cada estrategia analítica, recopilamos los requerimientos de datos, suposiciones, ventajas y desventajas para ayudar a los practicantes a navegar el paisaje de los métodos de estimación de abundancia. Cuando los practicantes busquen un método apropiado deberán evaluar la historia de vida del taxón focal, definir cuidadosamente el área del marco de muestreo y considerar cuáles tipos de recolección de datos son posibles. El reto de estimar la abundancia de poblaciones de animales no marcados persiste; aunque existan muchos métodos, no hay método único óptimo para los datos de las cámaras trampa que cumpla con todas las circunstancias. Mientras los marcos analíticos de trabajo sigan evolucionando y la estimación de la abundancia de animales no marcados sea cada vez más común, las cámaras trampa serán todavía más importantes para informar la toma de decisiones de conservación.
近几十年来红外相机陷阱技术的快速发展已经彻底改变了生物多样性监测的现状。尽管红外相机陷阱法在动物保护科学中有明确的应用, 但它很少被用来模拟无标记动物的种群数量。本研究旨在总结无标记动物的丰度估计所面临的挑战, 总结现有的分析框架并为寻求合适方法的实践者提供指导意见。当红外相机多次记录到无标记的动物时, 人们无法确定这些图像代表的是多个个体还是一个重复进入相机拍摄范围的个体。此外, 动物的运动导致不能清晰地划定采样区域, 因此也模糊了所对应区域的丰度估计。面对这些挑战, 我们确定了六种分析方法, 并综述了 2014 年至 2019 年发表的 927 项红外相机陷阱研究, 以评估每种方法的使用情况和流行程度。结果发现, 只有约 5% 的研究使用了至少一种我们确定的丰度估计方法。这些研究大多是估计局部丰度或协变量关系, 而不是预测更大范围内的动物丰度或密度。接下来, 我们总结了每种分析方法的数据需求、假设、优点和缺点, 以帮助实践者了解丰度估计方法的总体情况。实践者在寻找合适的方法时, 应评估研究所关注类群的生活史, 谨慎地确定采样范围, 并考虑可能收集到的数据类型。无标记动物的种群数量估计仍面临挑战, 虽然已存在多种方法, 但没有一种方法对于所有红外相机陷阱数据都是最优的。随着分析框架的不断发展和对无标记动物数量估计变得越来越普遍, 红外相机陷阱法在为指导保护决策中也将更加重要。【翻译: 胡怡思; 审校: 聂永刚】.
Keywords: biodiversity monitoring; densidad de población; hierarchical modeling; modelado jerárquico; modelado poblacional; modelos de distribución de especies; monitoreo de la biodiversidad; métodos no invasivos; noninvasive methods; population density; population modeling; predicción; prediction; species distribution models; 层级模型; 无损伤方法; 物种分布模型; 生物多样性监测; 种群密度; 种群建模; 预测.
© 2020 Society for Conservation Biology.