Multimethod, multistate Bayesian hierarchical modeling approach for use in regional monitoring of wolves.

In many cases, the first step in large-carnivore management is to obtain objective, reliable, and cost-effective estimates of population parameters through procedures that are reproducible over time. However, monitoring predators over large areas is difficult, and the data have a high level of uncertainty. We devised a practical multimethod and multistate modeling approach based on Bayesian hierarchical-site-occupancy models that combined multiple survey methods to estimate different population states for use in monitoring large predators at a regional scale. We used wolves (Canis lupus) as our model species and generated reliable estimates of the number of sites with wolf reproduction (presence of pups). We used 2 wolf data sets from Spain (Western Galicia in 2013 and Asturias in 2004) to test the approach. Based on howling surveys, the naive estimation (i.e., estimate based only on observations) of the number of sites with reproduction was 9 and 25 sites in Western Galicia and Asturias, respectively. Our model showed 33.4 (SD 9.6) and 34.4 (3.9) sites with wolf reproduction, respectively. The number of occupied sites with wolf reproduction was 0.67 (SD 0.19) and 0.76 (0.11), respectively. This approach can be used to design more cost-effective monitoring programs (i.e., to define the sampling effort needed per site). Our approach should inspire well-coordinated surveys across multiple administrative borders and populations and lead to improved decision making for management of large carnivores on a landscape level. The use of this Bayesian framework provides a simple way to visualize the degree of uncertainty around population-parameter estimates and thus provides managers and stakeholders an intuitive approach to interpreting monitoring results. Our approach can be widely applied to large spatial scales in wildlife monitoring where detection probabilities differ between population states and where several methods are being used to estimate different population parameters. Resumen En muchos casos, el primer paso en el manejo de carnivoros grandes es la obtencion de parametros objetivos, confiables y rentables de estimaciones poblacionales por medio de procedimientos que sean reproducibles en el tiempo. Sin embargo, el monitoreo de depredadores en areas extensas es complicado y los datos tienen un nivel alto de incertidumbre. Disenamos una estrategia multimetodo y multiestado basada en modelos bayesianos jerarquicos de ocupacion de sitio que combinan multiples metodos de seguimiento de censo para estimar los estados de diferentes poblaciones para su uso en el monitoreo de grandes depredadores a una escala regional. Usamos a los lobos (Canis lupus) como especie objetivo y generamos estimaciones confiables del numero de sitios con reproduccion de lobos (presencia de cachorros). Utilizamos dos conjuntos de datos sobre lobos de Espana (Galicia Occidental en 2013 y Asturias en 2014) para probar el modelo. Con base a los muestreos de aullidos, la estimacion ingenua (es decir, la estimacion basada solo en las observaciones) del numero de sitios con reproduccion fue de 9 y 25 sitios en Galicia Occidental y Asturias, respectivamente. Nuestro modelo mostro 33.4 (DS 9.6) y 34.4 (3.9) sitios con reproduccion de lobos, respectivamente. El numero de sitios ocupados con reproduccion de lobos fue de 0.67 (DS 0.19) y 0.76 (0.11), respectivamente. Este modelo puede usarse para disenar programas de monitoreo mas rentables (es decir, para definir el esfuerzo de muestreo necesario por sitio). Nuestro enfoque podria ser utilizado para seguimientos bien coordinados a traves de multiples fronteras administrativas y poblaciones, y apoyaria una mejor toma de decisiones para el manejo de grandes carnivoros a escala de paisaje. El uso de este marco de trabajo bayesiano proporciona una manera simple de visualizar el grado de incertidumbre alrededor de los parametros de estimaciones de poblacion, y asi proporciona a los administradores y a los sectores implicados una estrategia intuitiva para interpretar los resultados de los monitoreos. Nuestra estrategia puede aplicarse extensamente a escalas espaciales grandes en el monitoreo de vida silvestre en los casos en que las probabilidades de deteccion difieren entre los estados poblacionales cuando se estan utilizando varios metodos para estimar diferentes parametros poblacionales.