2020

Ornis Fennica

Rocznik: 2020 | Tom: 97 | Numer: 3

artykuł naukowy

angielski

EN We investigated the performance of hierarchical distance sampling (HDS )versus bino-mialN-mixture (binmix )models, both aiming at abundance (or, equivalently, density )es-timation. We tested the accuracy of density estimates using simulated data and comparedthem to the estimates coming from a Red-breasted Flycatcher (Ficedula parva )pointcount survey in the Darżlubie Forest (N Poland). In both the simulations and the actualdata, we mimicked varying plot size (i.e., radius length, and site area )and song loudnessfrom quiet to loud by modifying detection functions. We found that the resolution atwhich distance detection data are collected (i.e., the number and width of distance classes)had essentially no effect on estimates and their precision in HDS, even when birds wereonly assigned into two, wide distance classes, such as “close” and “far”. Both site size (ra-dius length )and song loudnessaffected density estimates in HDS only slightly: a positivebias (by 5%–17% )occurred when sites were small and a lower precision occurred forquiet singers. In general, however, estimates from HDS were accurate. In contrast, underbinmix, density was heavily overestimated at smaller sites, but apparently correct at largesites. The latter may stem from the counterbalancing effects of overestimation at closedistances and underestimation at large distances that cancel each other out on average,both of which are a function of song loudness and arise always when the observer is sta-tionary. When applied to point count results, binmix models must be used with care, as thesong loudness in relation to site size seems to affect abundance estimates. We suggest thatwhen density (or population size )estimation is of interest, and with a limited number ofvisits, a study using point counts would profit from applying HDS models by using addi-tional information on detection distances, even at low resolution. This cost-effective op-tion represents an attractive alternative to be considered vs. simpler counts during whichjust the number of birds is noted.

FI Tutkimme kahden populaatiotiheyksiä mallinta-van menetelmän – HDS ja binmix – eroja populaa-tiokokojen/tiheyksien arvioimiseen. Testasimmetiheysestimaattien tarkkuutta käyttämällä simuloi-tua aineistoa, ja todellisessa pikkusiepon pistelas-kenta-aineistossa Puolasta. Sekä simuloinneissaettä empiirisessä aineistoissa mallinnettiin vaihte-levia pinta-aloja ja vaihtelevaa laulun voimak-kuutta.Havaitsimme että lintujen etäisyyteen lasken-tapisteestä käytetyillä luokilla tai näiden koolla eiollut vaikutusta tiheysestimaatteihin tai niidentarkkuuteen HDS-menetelmässä, edes tilanteessa,jossa etäisyys laskentapisteestä oli luokiteltu vainkahteen luokkaan (lähellä vs kaukana). Myös tut-kittavan alueen koko (halkaisijan pituus )ja laulunvoimakkuus vaikutti HDS-menetelmän tiheysesti-maatteihin vain vähän: tiheys yliarvoitiin 5–17 %kun alueen koko oli pienempi ja lajeilla, joidenlaulu on hiljaisempi. Yleisesti ottaen HDS-mene-telmän antamat estimaatit olivat tarkkoja. Sen si-jaan binmix-mallinnus yliarvioi tiheyden pienilläalueilla, mutta estimaatitolivat tarkkoja isommillealueille. Tarkat estimaatit isoilla alueilla voi johtuasiitä, että malli yliarvioi tiheydet kun havaittavatlinnut ovat lähellä laskijaa, ja aliarvioi tiheydet,kun havaittavat linnut ovat kaukana laskijasta, jol-loin keskimääräisesti arviot ovat tarkkoja.Kun binmix-malleja sovelletaan pistelaskenta-aineistoon, täytyy täten huomioida kunkin lajinlaulun voimakkuus suhteessa alueen pinta-alaan,koska nämä näyttävät vaikuttavan tiheysestimaat-teihin. Täten suosittelemme, että kun tiheysesti-maatteja arvioidaan pistelaskennalla, ja saatavillaon vain vähän toistoja, kerättäisiin aineistoa myöshavaittavien lajien etäisyydestä (edes karkealla re-soluutiolla), jolloin voidaan hyödyntää HDS-mal-leja. Tässä menetelmässä hyöty suhteessa kustan-nuksiin on suuri, ja täten se tarjoaa hyvän vaih-toehdon yksinkertaisiin pistelaskentoihin joissavain lintujen lukumäärä tilastoidaan.

131 - 147

https://www.ornisfennica.org/pdf/latest/20Neubauer.pdf

70

70