SEARCH

SEARCH BY CITATION

Keywords:

  • Bayesian inference;
  • focal species;
  • habitat relationships;
  • Northwest Forest Plan;
  • spatial autoregressive model;
  • species distribution model;
  • Spotted Owl;
  • Strix occidentalis
  • búho;
  • especies focales;
  • inferencia Bayesiana;
  • modelos de distribución de especies;
  • Plan Forestal del Noroeste;
  • relaciones del hábitat;
  • Strix occidentalis

Abstract: Regional conservation planning increasingly draws on habitat suitability models to support decisions regarding land allocation and management. Nevertheless, statistical techniques commonly used for developing such models may give misleading results because they fail to account for 3 factors common in data sets of species distribution: spatial autocorrelation, the large number of sites where the species is absent (zero inflation), and uneven survey effort. We used spatial autoregressive models fit with Bayesian Markov Chain Monte Carlo techniques to assess the relationship between older coniferous forest and the abundance of Northern Spotted Owl nest and activity sites throughout the species' range. The spatial random-effect term incorporated in the autoregressive models successfully accounted for zero inflation and reduced the effect of survey bias on estimates of species–habitat associations. Our results support the hypothesis that the relationship between owl distribution and older forest varies with latitude. A quadratic relationship between owl abundance and older forest was evident in the southern portion of the range, and a pseudothreshold relationship was evident in the northern portion of the range. Our results suggest that proposed changes to the network of owl habitat reserves would reduce the proportion of the population protected by up to one-third, and that proposed guidelines for forest management within reserves underestimate the proportion of older forest associated with maximum owl abundance and inappropriately generalize threshold relationships among subregions. Bayesian spatial models can greatly enhance the utility of habitat analysis for conservation planning because they add the statistical flexibility necessary for analyzing regional survey data while retaining the interpretability of simpler models.

Resumen: Cada vez más, la planificación regional de la conservación utiliza modelos de aptitud de hábitat para sostener las decisiones relacionadas con la adjudicación y manejo de tierras. Sin embargo, las técnicas estadísticas utilizadas comúnmente para desarrollar dichos modelos pueden producir resultados engañosos porque no toman en cuenta 3 factores comunes en los conjuntos de datos de la distribución de especies: autocorrelación espacial, la gran cantidad de sitios donde la especie está ausente (inflación cero) y un esfuerzo de muestreo desigual. Utilizamos modelos espaciales autoregresivos adaptados con técnicas Bayesianas Cadena Markov Monte Carlo para evaluar la relación entre el bosque de coníferas viejo y la abundancia de nidos del búho Strix occidentalis y sitios de actividad en el área de distribución de la especie. El término espacial de efecto aleatorio incorporado a los modelos autoregresivos explicó la inflación cero exitosamente y redujo el efecto del sesgo de muestreo sobre estimaciones de las asociaciones especie-hábitat. Nuestros resultados sustentan la hipótesis de que la relación entre la distribución del búho y el bosque viejo varía con la latitud. Una relación cuadrática entre la abundancia de búhos y el bosque viejo fue evidente en la porción sur del área de distribución y una relación pseudo umbral fue evidente en la porción norte. Nuestros resultados sugieren que los cambios propuestos a la red de reservas de hábitat de S. occidentalis reducirían, hasta en un tercio, la proporción de la población protegida, y que las directrices propuestas para el manejo del bosque dentro de las reservas subestiman la proporción de bosque viejo asociado con la máxima abundancia de búhos e inadecuadamente generalizan relaciones umbral entre las subregiones. Los modelos Bayesianos espaciales pueden resaltar la utilidad del análisis de hábitat para la planificación de la conservación porque agregan la flexibilidad estadística necesaria para analizar datos de muestreos regionales y mantienen la interpretabilidad de modelos más simples.