Including indigenous knowledge in species distribution modeling for increased ecological insights.

Indigenous knowledge systems hold detailed information on current and past environments that can inform ecological understanding as well as contemporary environmental management. Despite its applicability, there are limited examples of indigenous knowledge being incorporated in species distribution models, which are widely used in the ecological sciences. In a collaborative manner, we designed a structured elicitation process and statistical framework to combine indigenous knowledge with survey data to model the distribution of a threatened and culturally significant species (greater bilby or mankarr [Macrotis lagotis]). We used Martu (Aboriginal people of the Australian western deserts) occurrence knowledge and presence data from track-based surveys to create predictive species distribution models with the Maxent program. Predictions of species distribution based on Martu knowledge were broader than those created with survey data. Together the Martu and survey models showed potential local declines, which were supported by Martu observation. Both data types were influenced by sampling bias that appeared to affect model predictions and performance. Martu provided additional information on habitat associations and locations of decline and descriptions of the ecosystem dynamics and disturbance regimes that influence occupancy. We concluded that intercultural approaches that draw on multiple sources of knowledge and information types may improve species distribution modeling and inform management of threatened or culturally significant species.

Inclusión del Conocimiento Indígena en el Modelado de la Distribución de Especies para Incrementar el Conocimiento Ecológico Resumen Los sistemas de conocimiento indígena albergan información detallada sobre ambientes actuales y pasados que pueden informar al entendimiento ecológico así como al manejo ambiental contemporáneo. A pesar de su utilidad, los ejemplos de incorporación del conocimiento indígena dentro de los modelos de distribución de especies, usados ampliamente en las ciencias ecológicas, son limitados. Diseñamos de manera colaborativa un proceso estructurado de elicitación y un marco de trabajo estadístico para combinar el conocimiento indígena con información de censos para modelar la distribución de una especie amenazada y culturalmente significativa (el bilbi mayor o mankarr [Macrotis lagotis]). Usamos el conocimiento de los Martu (pueblo aborigen de los desiertos occidentales de Australia) sobre la incidencia de la especie junto con los datos de presencia de la misma obtenidos de censos basados en rastros para crear modelos predictivos de la distribución de la especie mediante el programa Maxent. Las predicciones de la distribución de la especie basados en el conocimiento de los Martu fueron más amplias que aquéllas creadas con los datos de los censos. En conjunto, ambos modelos, el de los Martu y el de los censos, mostraron declinaciones locales potenciales, las cuales estuvieron respaldadas con las observaciones de los Martu. Ambos tipos de datos estuvieron influenciados por el sesgo de muestreo que pareció afectar al desempeño y a las predicciones del modelo. Los Martu proporcionaron información adicional sobre las asociaciones de hábitat y las ubicaciones de las declinaciones, además de descripciones de las dinámicas del ecosistema y los regímenes de perturbación que influyen sobre la ocupación de la especie. Concluimos que las estrategias interculturales que parten de varias fuentes de conocimiento y tipos de información pueden mejorar el modelado de la distribución de especies y generar información para el manejo de especies amenazadas o culturalmente significativas.

Predicting the conservation status of data-deficient species.

There is little appreciation of the level of extinction risk faced by one-sixth of the over 65,000 species assessed by the International Union for Conservation of Nature. Determining the status of these data-deficient (DD) species is essential to developing an accurate picture of global biodiversity and identifying potentially threatened DD species. To address this knowledge gap, we used predictive models incorporating species' life history, geography, and threat information to predict the conservation status of DD terrestrial mammals. We constructed the models with 7 machine learning (ML) tools trained on species of known status. The resultant models showed very high species classification accuracy (up to 92%) and ability to correctly identify centers of threatened species richness. Applying the best model to DD species, we predicted 313 of 493 DD species (64%) to be at risk of extinction, which increases the estimated proportion of threatened terrestrial mammals from 22% to 27%. Regions predicted to contain large numbers of threatened DD species are already conservation priorities, but species in these areas show considerably higher levels of risk than previously recognized. We conclude that unless directly targeted for monitoring, species classified as DD are likely to go extinct without notice. Taking into account information on DD species may therefore help alleviate data gaps in biodiversity indicators and conserve poorly known biodiversity.

Predicting and setting conservation priorities for Bolivian mammals based on biological correlates of the risk of decline.

The recognition that growing proportions of species worldwide are endangered has led to the development of comparative analyses to elucidate why some species are more prone to extinction than others. Understanding factors and patterns of species vulnerability might provide an opportunity to develop proactive conservation strategies. Such comparative analyses are of special concern at national scales because this is the scale at which most conservation initiatives take place. We applied powerful ensemble learning models to test for biological correlates of the risk of decline among the Bolivian mammals to understand species vulnerability at a national scale and to predict the population trend for poorly known species. Risk of decline was nonrandomly distributed: higher proportions of large-sized taxa were under decline, whereas small-sized taxa were less vulnerable. Body mass, mode of life (i.e., aquatic, terrestrial, volant), geographic range size, litter size, home range, niche specialization, and reproductive potential were strongly associated with species vulnerability. Moreover, we found interacting and nonlinear effects of key traits on the risk of decline of mammals at a national scale. Our model predicted 35 data-deficient species in decline on the basis of their biological vulnerability, which should receive more attention in order to prevent their decline. Our results highlight the relevance of comparative analysis at relatively narrow geographical scales, reveal previously unknown factors related to species vulnerability, and offer species-by-species outcomes that can be used to identify targets for conservation, especially for insufficiently known species.

Mechanistic understanding of human-wildlife conflict through a novel application of dynamic occupancy models.

Crop and livestock depredation by wildlife is a primary driver of human-wildlife conflict, a problem that threatens the coexistence of people and wildlife globally. Understanding mechanisms that underlie depredation patterns holds the key to mitigating conflicts across time and space. However, most studies do not consider imperfect detection and reporting of conflicts, which may lead to incorrect inference regarding its spatiotemporal drivers. We applied dynamic occupancy models to elephant crop depredation data from India between 2005 and 2011 to estimate crop depredation occurrence and model its underlying dynamics as a function of spatiotemporal covariates while accounting for imperfect detection of conflicts. The probability of detecting conflicts was consistently <1.0 and was negatively influenced by distance to roads and elevation gradient, averaging 0.08-0.56 across primary periods (distinct agricultural seasons within each year). The probability of crop depredation occurrence ranged from 0.29 (SE 0.09) to 0.96 (SE 0.04). The probability that sites raided by elephants in primary period t would not be raided in primary period t + 1 varied with elevation gradient in different seasons and was influenced negatively by mean rainfall and village density and positively by distance to forests. Negative effects of rainfall variation and distance to forests best explained variation in the probability that sites not raided by elephants in primary period t would be raided in primary period t + 1. With our novel application of occupancy models, we teased apart the spatiotemporal drivers of conflicts from factors that influence how they are observed, thereby allowing more reliable inference on mechanisms underlying observed conflict patterns. We found that factors associated with increased crop accessibility and availability (e.g., distance to forests and rainfall patterns) were key drivers of elephant crop depredation dynamics. Such an understanding is essential for rigorous prediction of future conflicts, a critical requirement for effective conflict management in the context of increasing human-wildlife interactions.

Entendimiento Mecánico del Conflicto Humano - Animales Silvestre a través de la Novedosa Aplicación de los Modelos Dinámicos de Ocupación Resumen La depredación de cultivos y ganado por parte de animales silvestres es un conductor principal del conflicto humano - animales silvestres, un problema que amenaza la coexistencia de la gente y la vida silvestre a nivel global. Entender los mecanismos que son la base de los patrones de depredación es la clave para mitigar los conflictos a lo largo del tiempo y el espacio. Sin embargo, la mayoría de los estudios no consideran la detección imperfecta y el reporte de conflictos, lo que puede llevar a la interferencia incorrecta con respecto a los conductores espacio-temporales. Aplicamos modelos dinámicos de ocupación a datos de depredación de cultivos por elefantes en India desde 2005 y hasta 2011 para estimar la incidencia de depredación de cultivos y modelar sus dinámicas como una función de covarianzas espacio-temporales mientras representan la detección imperfecta de los conflictos. La probabilidad de detectar conflictos fue constantemente <1.0 y estuvo influenciada negativamente por la distancia a las carreteras y el gradiente de elevación, promediando 0.08 - 0.56 en los periodos primarios (temporadas agrícolas distintas dentro de cada año). La probabilidad de la incidencia de depredación de cultivos varió desde 0.29 (SE 0.09) hasta 0.96 (SE 0.04). La probabilidad de que los sitios saqueados por elefantes en un periodo primario t no fueran saqueados en un periodo primario t + 1 varió con el gradiente de elevación en diferentes temporadas y estuvo influenciado negativamente por la precipitación promedio y la densidad de la aldea y positivamente por la distancia al los bosques. Los efectos negativos de la variación en la precipitación y la distancia a los bosques explicaron de mejor manera la variación en la probabilidad de que los sitios no saqueados por elefantes en el periodo primario t serían saqueados en el periodo primario t + 1. Con nuestra novedosa aplicación de los modelos de ocupación, separamos a los conductores espacio-temporales de los factores que influyen en cómo son observados, permitiendo así la inferencia más fiable de los mecanismos que son la base de los patrones observados de los conflictos. Encontramos que los factores asociados con el incremento en la disponibilidad y accesibilidad de los cultivos (p. ej.: la distancia a los bosques y los patrones de precipitación) fueron conductores clave en las dinámicas de depredación de cultivos de los elefantes. Tal entendimiento es esencial para una predicción rigurosa de conflictos futuros, un requerimiento crítico para el manejo efectivo de conflictos en el contexto de las crecientes interacción humano - animales silvestres.

Effect of climato-environmental parameters on chlorophyll a concentration in the lower Ganga basin, India / Efecto de los parámetros climáticos ambientales sobre la concentración de clorofila a en la cuenca baja del Ganges, India

Introduction: Chlorophyll a concentration proxies the phytoplankton biomass which directly involves in signifying the production functions of aquatic ecosystem. Thus, it is imperative to understand their spatio-temporal kinetics in lotic environment with reference to regional climatic variabilities in the tropical inland waters. Objective: In-situ studies were conducted to examine the changes in phytoplankton biomass in lower Ganga basin as influenced by various environmental parameters under regional climatic variability during 2014-2016. Methods: Firstly, the most key influential environmental parameters on riverine Chl-a concentration were determined. Then the direct cascading effect of changing climatic variables on key environmental parameters were derived through modeling and quantified probable changes in mean Chl-a concentration in the lower stretch of river. Results: Only five environmental parameters namely water temperature, total dissolved solid, salinity, total alkalinity and pH were key factors influencing Chl-a (Multiple R2: 0.638, P < 0.05). Present estimates indicate that if the present rate of regional climatic variability over the last 3 decades (mean air temperature + 0.24 °C, total annual rainfall -196.3 mm) remain consistent over the next three decades (2015-2045), an increase in mean Chl-a by + 170 µgL-1 may likely be expected grossly reaching about 475.94 µg L-1 by the year 2045 or more. Conclusions: The present study is first such comprehending a gross hint towards the probable ecosystem response with an alternative model based methodology in data-deficient situations. Subsequently, the output would also be of great benefit for increase water governance and developing strategy protocol for sustainable water management for greater ecosystem services.

Introducción: La concentración de clorofila a representa la biomasa de fitoplancton la cual influye directamente en las funciones de producción de los ecosistemas acuáticos. Por lo tanto, es imperativo comprender su cinética espacio-temporal en el ambiente lótico con respecto a las variabilidades climáticas regionales en las aguas continentales tropicales. Objetivo: Se realizaron estudios in situ para examinar la influencia de varios parámetros ambientales en la biomasa del fitoplancton en la cuenca baja del Ganges durante 2014-2016. Métodos: En primer lugar, se determinaron los parámetros ambientales más influyentes en la concentración de Chl-a fluvial. Luego, el efecto directo en cascada de las variables climáticas sobre los parámetros ambientales clave, mediante el modelado y los cambios en la concentración media de Chl-a en el tramo inferior del río. Resultados: Solo cinco parámetros ambientales, entre ellos, temperatura del agua, sólidos disueltos totales, salinidad, alcalinidad total y pH, fueron factores clave que influyeron en la Chl-a (R2 múltiple: 0.638, P < 0.05). Las estimaciones actuales indican que si la tasa actual de variabilidad climática regional durante las últimas 3 décadas (temperatura media del aire + 0.24 °C, precipitación total anual -196.3 mm) permanece constante durante las próximas tres décadas (2015-2045), se presente un aumento en el promedio de la Chl-a en +170 µgL-1 y alcance aproximadamente 475.94 µgL-1 para el 2045 o más. Conclusiones: Este estudio presenta una metodología basada en modelos alternativos en situaciones de escasez de datos, la información generada también podría contribuir a mejorar la gobernanza del agua y a desarrollar un protocolo para la gestión sostenible del agua y de esta manera mejorar los servicios ecosistémicos.