[ES]: Mejorar el conocimiento sobre la densidad de población (es decir, el número de individuos por unidad de superficie) es fundamental para la gestión y conservación de la fauna silvestre. A pesar de que se han descrito y utilizado una gran variedad de métodos para calcular la densidad poblacional de la fauna silvestre, hoy en día todavía existen brechas importantes. En los últimos años, la técnica del fototrampeo (uso de cámaras activadas automáticamente) se ha establecido como una herramienta efectiva en comparación con otros métodos. Por tanto, el fototrampeo puede ser considerado una técnica fiable en aquellos casos en los que los métodos clásicos presentan limitaciones relevantes. Por ejemplo, al monitorizar especies con comportamiento esquivo y baja detectabilidad (como la mayor parte de los mamíferos), o poblaciones en las que los animales pueden ser reconocibles en base al patrón de manchas de su cuerpo. Sin embargo, existe una ausencia de información en especies en las que no es posible distinguir individuos en base al patrón de manchas de su cuerpo (comúnmente conocidas como “especies no marcadas”). Inicialmente, algunos autores consideraron índices relativos de abundancia para monitorizar estas poblaciones no marcadas. Estos índices estaban basados en la tasa de encuentro, es decir, el número de animales detectados por unidad de muestreo, obtenida en estudios de fototrampeo. Más tarde se describieron métodos que permitían calcular la densidad poblacional de especies no marcadas. El primero de estos métodos fue el modelo de encuentro aleatorio (REM por sus siglas en ingles). El REM modeliza los encuentros aleatorios entre animales móviles y cámaras trampa estáticas para finalmente estimar densidad poblacional. Para ello, el REM se basa en tres parámetros clave: i) la tasada de encuentro, ii) la zona de detección (área en la que las cámaras detectan a los animales), y iii) el rango diario (distancia media recorrida por cada individuo en la población). En este sentido, al inicio de esta tesis, se discutía que la aplicación del REM estaba limitada por las dificultades asociadas para estimar los parámetros necesarios para aplicar el método, principalmente el rango diario. En este contexto, el objetivo de esta tesis fue desarrollar y armonizar metodologías basadas en fototrampeo para estimar la densidad poblacional y los parámetros de movimiento de poblaciones no marcadas, principalmente trabajando en torno al REM. En primer lugar, revisamos los trabajos publicados que habían aplicado REM y observamos que, i) había una tendencia a aplicar malas prácticas en las estimas de los parámetros, y ii) y REM había sido escasamente testado en situaciones de campo con densidades obtenidas con otros métodos de referencia.

[EN]: A better understanding of population density (i.e. the number of individuals per unit area) is essential for wildlife conservation and management. Despite the fact that a wide variety of methods with which to estimate population density have already been described and broadly used, there are still relevant gaps. In the last few decades, the use of remotely activated cameras (camera traps) has been established as an effective sampling tool when compared with alternative methods. Camera trapping could, therefore, be considered a reliable tool with which to monitor those situations in which classical methods have relevant limitations. It could, for example, be used with species whose behaviour is elusive and which have low detectability (as is the case of most mammals), or populations in which the animals can be identified individually by the spot patterns on their bodies. However, there is lack of information regarding those species for which it is not possible to identify individual animals (i.e. unmarked species). Some authors that have applied camera trapping originally considered relative abundance indexes in order to monitor unmarked populations. These indices were based on encounter rates (i.e. the number of animals detected per sampling unit) observed in camera trapping studies. Methods with which to estimate the population density of unmarked populations were later described, the first of which was the random encounter model (REM). The REM models the random encounters between moving animals and static cameras in order to estimate population density. The REM does this by employing three basic parameters: i) encounter rate, ii) detection zone (area in which the cameras effectively detect animals), and iii) day range (average daily distance travelled by each individual in the population). When this thesis was first started, it was broadly discussed that the application of the REM was limited by the difficulties involved in estimating the parameters required, especially the day range. In this context, the aim of this thesis was to develop and harmonise camera trapping methodologies so as to estimate the population density and movement parameters of unmarked populations, working principally in the REM framework. The first research carried out for this thesis comprised a review of published studies concerning REM, which found that i) wrong practices in the estimation of REM parameters were frequent, and ii) the REM has rarely been compared with reference densities in empirical studies. We, therefore, then went on to evaluate the main factors that affect the probability of detection and the trigger speed of camera traps, which are relevant for encounter rate and detection zone estimation.

Este trabajo de Tesis Doctoral ha sido realizado gracias a los programas de ayudas Formación de Profesorado Universitario (FPU16/00039) otorgado por el Ministerio de Educación, Cultura y Deporte. Durante el desarrollo de la presente Tesis se han realizado estancias en centros de investigación en el extranjero gracias a ayudas de la Sociedad Española de Científicos en el Reino Unido (CERU), y de la Universidad de Castilla-La Mancha (EST19/00481). Además, esta Tesis Doctoral ha contado con la financiación de los siguientes proyectos científicos y ayudas: Proyecto Nacional AGL2016-76358-R, Plan Nacional I + D, MINECO; Proyecto Nacional PID2019-111699RB-I00, Plan Nacional I + D, MICINN; Proyecto Europeo ENETWILD C/EFSA/ALPHA/2016/01, EFSA; Ayuda para la financiación de actividades de investigación dirigida a grupos de la UCLM (Grupo SaBio), GI20174153.

Memoria presentada por Pablo Palencia Mayordomo para optar al grado de Doctor con mención internacional.

Peer reviewed