SEARCH

SEARCH BY CITATION

Abstract: Effective conservation efforts for at-risk species require knowledge of the locations of existing populations. Species presence can be estimated directly by conducting field-sampling surveys or alternatively by developing predictive models. Direct surveys can be expensive and inefficient, particularly for rare and difficult-to-sample species, and models of species presence may produce biased predictions. We present a Bayesian approach that combines sampling and model-based inferences for estimating species presence. The accuracy and cost-effectiveness of this approach were compared to those of sampling surveys and predictive models for estimating the presence of the threatened bull trout (  Salvelinus confluentus ) via simulation with existing models and empirical sampling data. Simulations indicated that a sampling-only approach would be the most effective and would result in the lowest presence and absence misclassification error rates for three thresholds of detection probability. When sampling effort was considered, however, the combined approach resulted in the lowest error rates per unit of sampling effort. Hence, lower probability-of-detection thresholds can be specified with the combined approach, resulting in lower misclassification error rates and improved cost-effectiveness.

Resumen: Los esfuerzos de conservación efectivos para especies bajo riesgo exigen conocer la ubicación de las poblaciones existentes. La presencia de una especie se puede estimar directamente por medio de muestreos a campo o mediante modelos predictivos. Los muestreos directos pueden ser costosos e ineficientes, especialmente para especies raras y difíciles de muestrear y los modelos que predicen la presencia de especies pueden generar predicciones sesgadas. Presentamos una aproximación Bayesiana que combina el muestreo y las inferencias resultantes de modelos para estimar la presencia de especies. La precisión y rentabilidad de esta aproximación para estimar la presencia de la especie amenazada Salvelinus confluentus se comparó con la del muestreo y de los modelos predictivos por medio de simulación con modelos existentes y con datos de muestreo empírico. Las simulaciones indicaron que el muestreo únicamente podría ser la más efectiva y tendría las menores tasas de error de clasificación de presencia y ausencia para los tres umbrales de probabilidad de detección. Sin embargo, cuando se consideró el esfuerzo de muestreo, la aproximación combinada resultó tener las menores tasas de error por unidad de muestreo. Por lo tanto, se pueden especificar umbrales menores de probabilidad de detección con la aproximación combinada, lo que resulta en menores tasas de error de clasificación y mayor rentabilidad.