Populációbecslések és monitoring 1. gyakorlat. Elvonásos módszerek az adatokat pl. a vadászok is gyűjthetik, olcsóbb

Átírás

1 Populációbecslések és monitoring 1. gyakorlat Nem minden állat látható fogásos módszerek Elvonásos módszerek az adatokat pl. a vadászok is gyűjthetik, olcsóbb 1. Egyszerű arányváltozás - zárt populáció, amely két fajta" állatból áll, ezek láthatósága egyforma 2. Két fázisú arányváltozás a két fajta állat megfigyelhetősége nem egyforma az állatokat két külön vadászidényben távolítják el, de mindig csak az egyik fajtát becsülhető az arányuk és a láthatóságuk (a két láthatóság időben állandó) 3. Fogás/ráfordítás (catch-per-unit-effort) minél több állatot távolítanak el egy populációból, az idő előrehaladtával az egységnyi ráfordításra jutó fogás annál kisebb lesz regressziós módszer, amely a kezdeti létszámot a nulla ráfordításnál számított értékkel becsli Fogás- visszafogás módszerek 1. Lincoln-Petersen 2. K -mintás zárt populációs modellek 5-10 napos időszak alatt végzett fogások alapján 3. Sűrűség becslése mekkora a tényleges fogási terület 4. Nyílt populációk becslése

2 Jelölés-visszafogás 1. Egyszeri jelölés-visszafogás: Petersen-Lincoln módszer Ez a módszer a gyakorlatban, a vadgazdálkodási munkában nem ajánlott, elsősorban a kutatásoknál van létjogosultsága. Vadtelepítéseknél használható lenne, ám ott vagy kímélik az állományt (pl. mezei nyúl), vagy a mortalitás és elvándorlás mértéke magasabb a telepített populációrészben, így hamis eredményekhez jutunk a hasznosítást követően.

3 Ha egy populáció egyedszámát N-nel, az összes jelölt állatot M-mel jelöljük, majd a jelölések elvégzése után n egyedszámot kiveszünk a populációból, s abból a jelöltek száma m, akkor az alábbi aránypárt állíthatjuk fel: azaz az összes jelölt állat egyedszáma úgy aránylik a populációnagysághoz, mint az abból vett minta nagysága aránylik a benne lévő jelöltek számához. Az aránypárt N-re rendezve képletet kapjuk. Ezt a módszert Petersen-Lincoln módszernek nevezzük (C.G.J. Petersen dán és F. Lincoln amerikai kutatók voltak, előbbi 1889-ben halpopulációkra, utóbbi 1930-ban vízivadra használta az ismertetett aránypárokat). Az ismertetett, viszonylag egyszerű képlet azonban csak olyan esetekben használható, ha feltételezzük: a populáció zárt (nincs születés és elhullás, illetve be- és elvándorlás a vizsgálati ideje alatt) a populáció egyedei azonos valószínűséggel foghatók be mind a jelölés előtt, mind a jelölés után (a jelölés nem befolyásolja a második fogás valószínűségét) a második mintavétel véletlenszerű a jelek nem vesznek el, azok észlelhetők a későbbiekben is a jelölt egyedek mortalitása egyenlő a jelöletlenekével a jelölt és a jelöletlen állatok viselkedése nem különbözik a jelölt egyedek diszperziója egyenletes a populációban. Egyik sem igaz (mindig) fogásgyakoriság modellek nem minden állat befogási valószínűsége egyforma fogástörténet jelölési arány >60%

4 2. Többszörös jelölés-visszafogás (Demeter-Kovács 1991) Arra is nyílhat lehetőség, hogy több, mint két alkalommal fogjunk be állatokat és jelöljük meg ezeket. Többször is elvégezhetjük a becslést a Petersen-Lincoln-módszerrel egymást követő befogásokra, több mintapárra. Feltételezve, hogy a populáció zárt, a különböző Ni becslések mind N becslései. Mivel az egyes becslések pontossága eltérő, helyesnek tűnik súlyozott átlagot számolni: ahol N i -k egyes becslések,w i -k pedig a súlyok. Petersen-Lincoln-becslés megbízhatósága elsősorban attól függ,hogy hány jelölt állatot fogunk vissza, azaz m i -től függ, tehát súlyozva a jelölt állatok számával, Az N i értékbe behelyettesítve a Petersen-Licoln-becslő képletét a következő összefüggéshez jutunk: Torzítatlan becslést csak némi módosítással kapunk: Példa:

5 Begon (1979) erdei egereket (Apodemus sylvaticus) csapdázott 4 napon keresztül:, azaz 34 erdei egér élt a területen. A szórás kiszámítása a következő: A súlyozott átlagra éppen azok a kikötések érvényesek, mint az egyszerű Petersen- Lincoln- becslésre, előnye abban rejlik, hogy több minta során felhalmozott adatokon alapszik, és mivel az összegzett visszafogásokat, az m i értékeket használja, varianciája kisebb lesz, mint az egyszerű kétmintás becslésnek.