Reliability of Absolute and Relative Predictions of Population Persistence Based on Time Series

Authors

  • KELLY C. LOTTS,

    1. Department of Evolution, Ecology, and Organismal Biology, Ohio State University, 300 Aronoff Laboratory,318 W. 12th Avenue, Columbus, OH 43210, U.S.A.
    Search for more papers by this author
  • THOMAS A. WAITE,

    Corresponding author
    1. Department of Evolution, Ecology, and Organismal Biology, Ohio State University, 300 Aronoff Laboratory,318 W. 12th Avenue, Columbus, OH 43210, U.S.A.
    Search for more papers by this author
  • JOHN A. VUCETICH

    1. School of Forest Resources and Environmental Sciences, Michigan Technological University, Houghton, MI 49931, U.S.A.
    Search for more papers by this author

‡Address correspondence to T. Waite, email waite.1@osu.edu

Abstract

Abstract: Conventional population viability analysis (PVA) is often impractical because data are scarce for many threatened species. For this reason, simple count-based models are being advocated. The simplest of these models requires nothing more than a time series of abundance estimates, from which variance and autocorrelation in growth rate are estimated and predictions of population persistence are generated. What remains unclear, however, is how many years of data are needed to generate reliable estimates of these parameters and hence reliable predictions of persistence. By analyzing published and simulated time series, we show that several decades of data are needed. Predictions based on short time series were very unreliable mainly because limited data yielded biased, unreliable estimates of variance in growth rate, especially when growth rate was strongly autocorrelated. More optimistically, our results suggest that count-based PVA is sometimes useful for relative risk assessment (i.e., for ranking populations by extinction risk), even when time series are only a decade long. However, some conditions consistently lead to backward rankings. We explored the limited conditions under which simple count-based PVA may be useful for relative risk assessment.

Abstract

Resumen: El análisis de viabilidad poblacional (AVP) a menudo es impráctico porque los datos para muchas especies amenazadas son escasos. Por esta razón, los modelos simples basados en conteos están siendo apoyados. El más simple de estos modelos requiere de nada más que una serie de tiempo de estimaciones de abundancia, a partir de las cual se estiman la varianza y autocorrelación de la tasa de crecimiento y se generan predicciones de la persistencia de la población. Sin embargo, aun no esta claro cuantos años de datos son necesarios para generar estimaciones confiables de estos parámetros y por tanto predicciones confiables de la persistencia. Analizando series de tiempo publicadas y simuladas, mostramos que se requieren datos de varias décadas. Predicciones basadas en series de tiempo cortas fueron muy poco confiables principalmente porque los datos limitados produjeron estimaciones sesgadas, poco confiables de la varianza de la tasa de crecimiento, especialmente cuando la tasa de crecimiento estaba fuertemente autocorrelacionada. Más optimistamente, nuestros resultados sugieren que el AVP basado en conteos a veces es útil para la evaluación de riesgo relativo (i.e. para clasificar poblaciones por riesgo de extinción), aun cuando la serie de tiempo sólo es de una década. Sin embargo, algunas condiciones conducen consistentemente a clasificaciones regresivas. Exploramos las condiciones limitadas bajos las que los AVP basados en conteos pueden ser útiles para la evaluación de riesgo relativo.

Ancillary