Monitoring population extinction risk with community science data

La estimación robusta del riesgo de extinción local es fundamental para fundamentar las iniciativas de gestión y conservación. Sin embargo, estimar este parámetro demográfico clave requiere datos de monitoreo estandarizados, de los cuales carecen la mayoría de las especies y sistemas. El análisis de datos de ciencia comunitaria se perfila como una alternativa prometedora. Estos amplios conjuntos de datos aprovechan las observaciones de múltiples voluntarios, lo que proporciona una mayor resolución temporal y espacial. No obstante, el análisis adecuado de los datos de ciencia comunitaria presenta un desafío, ya que requiere considerar complejidades adicionales en los procesos ecológicos y observacionales intrínsecos.
Para abordar este problema, describimos y probamos un enfoque cuantitativo que ajusta modelos de espacio de estados continuos de manera iterativa a los datos de eBird con el objetivo final de estimar la probabilidad de persistencia local a través del tiempo.
Evaluamos la precisión del modelo comparando las estimaciones y tendencias de eBird con las del proyecto de monitoreo estandarizado a largo plazo del gavilán caracolero de los Everglades, especie en peligro de extinción. También realizamos dos análisis de sensibilidad independientes (temporal y de adelgazamiento del muestreo) para evaluar la robustez de las estimaciones de persistencia ante una reducción en el número de observaciones de eBird disponibles.
Nuestros resultados mostraron que la trayectoria de la tendencia temporal de la persistencia de la población local estimada con eBird coincidió estrechamente con la del monitoreo estandarizado. Además, la tendencia se mantuvo similar incluso al reducir la cantidad de datos de eBird disponibles al 5% del conjunto de datos original, lo que representa una reducción de 258 a 13 semanas o de 7714 a 385 listas de observaciones a lo largo de 5 años de monitoreo.
Síntesis y aplicaciones . Nuestro marco de modelado proporciona una herramienta robusta, computacionalmente eficiente y fácil de aplicar para monitorear la probabilidad de persistencia local, lo que puede respaldar los esfuerzos de conservación global. Esto complementará el monitoreo de la viabilidad de las poblaciones de especies en lugares donde aún falta un monitoreo estandarizado, pero las observaciones de la ciencia comunitaria son comunes.