DIGITAL.CSIC. Repositorio Institucional del CSIC
Publicación
Tesis doctoral (DoctoralThesis)
Large-scale monitoring of wild mammal abundance: Modeling frameworks for structured and unstructured data, Monitorización a gran escala de la abundancia de mamíferos silvestres: marcos de modelización con datos estructurados y no estructurados
Memoria presentada por Sonia Illanas para optar al grado de Doctor con Mención Internacional por la Universidad de Castilla-La Mancha., Grupo de Sanidad y Biotecnología (SaBio)z. Instituto de Investigación en Recursos Cinegéticos (CSIC-UCLM-JCCM). Departamento de Ciencia y Tecnología Agroforestal y Genética: Programa de Doctorado en Ciencias Agrarias y Ambientales Universidad de Castilla-La Mancha., [EN] Large-scale biodiversity conservation and wildlife management increasingly require spatially explicit diagnostics that go beyond species occurrence to patterns of abundance. In Europe, management is typically
implemented within administrative units, whereas policy and assessment increasingly operate at supra-national levels, making robust inference on abundance central to decision-making. However, consistent estimation across space and time is challenged by heterogeneous data, uneven observation processes, and aggregation effects from mismatched spatial units. This PhD thesis develops and evaluates a cross-cutting framework to infer abundance patterns of European mammals from complementary monitoring data, and to quantify how
data standardization, model selection, and ecological interpretation across spatial scales. It examines how data sources, modeling decisions, and spatial structure shape inference, uncertainty, and transferability of results across scales., [ES] La conservación de la biodiversidad y la gestión de fauna silvestre a gran escala requieren cada vez más diagnósticos espacialmente explícitos que vayan más allá de la mera ocurrencia de las especies y describan patrones de abundancia. En Europa, la gestión se implementa en unidades administrativas, mientras que la política y la evaluación operan cada vez más en niveles supranacionales, lo que sitúa la inferencia sobre la abundancia en el centro de la toma de decisiones. Sin embargo, la estimación consistente en el espacio y en el
tiempo se ve dificultada por la heterogeneidad de los datos, la variabilidad de los procesos de observación y los efectos de agregación derivados de unidades espaciales no alineadas. Esta tesis doctoral desarrolla y evalúa un marco conceptual y estadístico transversal para inferir patrones de abundancia a gran escala de mamíferos europeos a partir de datos de monitorización complementarios, y para cuantificar cómo la estandarización de datos, la selección de modelos y la interpretación ecológica cambian con la escala espacial. En particular, analiza cómo distintas fuentes de datos, decisiones de modelización y la estructura espacial condicionan la inferencia, la incertidumbre y la transferibilidad de los resultados., This PhD Dissertation was supported by a predoctoral fellowship (FPI 2020; PRE2020-095091) associated to HAWIPO I +D + i Project (PID2019-111699RBI00); AGROBOAR I + D + I Project (PID2022-142919OB-100); ENETWILD Wildlife: collecting and sharing data on wildlife populations, transmitting animal and human disease agents (OC/EFSA/ALPHA/2016/01)., Peer reviewed
Proyecto:
AEI / Plan Estatal de Investigación Científica y Técnica y de Innovación 2021-2023 PID2022-142919OB-I00
,
AEI / Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020 PID2019-111699RB-I00
,
AEI / Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020 PRE2020-095091