Changes

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "author": "[{\"given_name\": \"Yohann\", \"name\": \"Chauvier\", 
2
  "author": "[{\"given_name\": \"Yohann\", \"name\": \"Chauvier\", 
            
3
\"email\": \"yohann.chauvier@wsl.ch\", \"data_credit\": [\"software\", 
3
\"email\": \"yohann.chauvier@wsl.ch\", \"data_credit\": [\"software\", 
            
4
\"curation\", \"collection\", \"validation\", \"publication\"], 
4
\"curation\", \"collection\", \"validation\", \"publication\"], 
            
5
\"identifier\": \"https://orcid.org/0000-0001-9399-3192\", 
5
\"identifier\": \"https://orcid.org/0000-0001-9399-3192\", 
            
6
\"affiliation\": \"WSL\"}, {\"given_name\": \"Niklaus\", \"name\": 
6
\"affiliation\": \"WSL\"}, {\"given_name\": \"Niklaus\", \"name\": 
            
7
\"Zimmermann\", \"email\": \"niklaus.zimmermann@wsl.ch\", 
7
\"Zimmermann\", \"email\": \"niklaus.zimmermann@wsl.ch\", 
            
8
\"data_credit\": [\"supervision\", \"validation\", \"publication\"], 
8
\"data_credit\": [\"supervision\", \"validation\", \"publication\"], 
            
9
\"identifier\": \"https://orcid.org/0000-0003-3099-9604\", 
9
\"identifier\": \"https://orcid.org/0000-0003-3099-9604\", 
            
10
\"affiliation\": \"WSL\"}, {\"given_name\": \"Giovanni\", \"name\": 
10
\"affiliation\": \"WSL\"}, {\"given_name\": \"Giovanni\", \"name\": 
            
11
\"Poggiato\", \"email\": \"giov.poggiato@gmail.com\", \"data_credit\": 
11
\"Poggiato\", \"email\": \"giov.poggiato@gmail.com\", \"data_credit\": 
            
12
[\"software\", \"validation\", \"publication\"], \"identifier\": \"\", 
12
[\"software\", \"validation\", \"publication\"], \"identifier\": \"\", 
            
13
\"affiliation\": \"LECA\"}, {\"given_name\": \"Daria\", \"name\": 
13
\"affiliation\": \"LECA\"}, {\"given_name\": \"Daria\", \"name\": 
            
14
\"Bystrova\", \"email\": \"daria.bystrova@inria.fr\", \"data_credit\": 
14
\"Bystrova\", \"email\": \"daria.bystrova@inria.fr\", \"data_credit\": 
            
15
[\"validation\", \"publication\", \"software\"], \"identifier\": \"\", 
15
[\"validation\", \"publication\", \"software\"], \"identifier\": \"\", 
            
16
\"affiliation\": \"LECA\"}, {\"given_name\": \"Philipp\", \"name\": 
16
\"affiliation\": \"LECA\"}, {\"given_name\": \"Philipp\", \"name\": 
            
17
\"Brun\", \"email\": \"philipp.brun@wsl.ch\", \"data_credit\": 
17
\"Brun\", \"email\": \"philipp.brun@wsl.ch\", \"data_credit\": 
            
18
[\"validation\", \"publication\"], \"identifier\": 
18
[\"validation\", \"publication\"], \"identifier\": 
            
19
\"https://orcid.org/0000-0002-2750-9793\", \"affiliation\": \"WSL\"}, 
19
\"https://orcid.org/0000-0002-2750-9793\", \"affiliation\": \"WSL\"}, 
            
20
{\"given_name\": \"Wilfried\", \"name\": \"Thuiller\", \"email\": 
20
{\"given_name\": \"Wilfried\", \"name\": \"Thuiller\", \"email\": 
            
21
\"wilfried.thuiller@univ-grenoble-alpes.fr\", \"data_credit\": 
21
\"wilfried.thuiller@univ-grenoble-alpes.fr\", \"data_credit\": 
            
n
22
[\"supervision\", \"software\"], \"identifier\": 
n
22
[\"supervision\", \"software\", \"validation\"], \"identifier\": 
            
23
\"https://orcid.org/0000-0002-5388-5274\", \"affiliation\": 
23
\"https://orcid.org/0000-0002-5388-5274\", \"affiliation\": 
            
24
\"LECA\"}]",
24
\"LECA\"}]",
            
25
  "author_email": null,
25
  "author_email": null,
            
26
  "creator_user_id": "e2620cc0-c9ef-4773-889b-4c39c0bbb3c8",
26
  "creator_user_id": "e2620cc0-c9ef-4773-889b-4c39c0bbb3c8",
            
27
  "date": "[{\"date\": \"2021-06-02\", \"date_type\": \"created\", 
27
  "date": "[{\"date\": \"2021-06-02\", \"date_type\": \"created\", 
            
28
\"end_date\": \"2021-06-02\"}]",
28
\"end_date\": \"2021-06-02\"}]",
            
29
  "doi": "10.16904/envidat.226",
29
  "doi": "10.16904/envidat.226",
            
30
  "funding": "[{\"grant_number\": \"ANR-10-LAB-56, ANR-16-CE93-004\", 
30
  "funding": "[{\"grant_number\": \"ANR-10-LAB-56, ANR-16-CE93-004\", 
            
31
\"institution\": \"Agence Nationale de la Recherche\", 
31
\"institution\": \"Agence Nationale de la Recherche\", 
            
32
\"institution_url\": \"https://anr.fr/Project-ANR-16-CE93-0004\"}, 
32
\"institution_url\": \"https://anr.fr/Project-ANR-16-CE93-0004\"}, 
            
33
{\"grant_number\": \"310030L_170059\", \"institution\": 
33
{\"grant_number\": \"310030L_170059\", \"institution\": 
            
34
\"Schweizerischer Nationalfonds zur F\u00f6rderung der 
34
\"Schweizerischer Nationalfonds zur F\u00f6rderung der 
            
35
Wissenschaftlichen Forschung\", \"institution_url\": 
35
Wissenschaftlichen Forschung\", \"institution_url\": 
            
36
\"http://p3.snf.ch/Project-170059\"}]",
36
\"http://p3.snf.ch/Project-170059\"}]",
            
37
  "groups": [],
37
  "groups": [],
            
38
  "id": "a09eb932-e181-47a3-945a-7f7cde5d2393",
38
  "id": "a09eb932-e181-47a3-945a-7f7cde5d2393",
            
39
  "isopen": true,
39
  "isopen": true,
            
40
  "language": "en",
40
  "language": "en",
            
41
  "license_id": "cc-by-sa",
41
  "license_id": "cc-by-sa",
            
42
  "license_title": "Creative Commons Attribution Share-Alike 
42
  "license_title": "Creative Commons Attribution Share-Alike 
            
43
(CC-BY-SA)",
43
(CC-BY-SA)",
            
44
  "license_url": "https://creativecommons.org/licenses/by-sa/4.0/",
44
  "license_url": "https://creativecommons.org/licenses/by-sa/4.0/",
            
45
  "maintainer": "{\"affiliation\": \"WSL\", \"email\": 
45
  "maintainer": "{\"affiliation\": \"WSL\", \"email\": 
            
46
\"yohann.chauvier@wsl.ch\", \"given_name\": \"Yohann\", 
46
\"yohann.chauvier@wsl.ch\", \"given_name\": \"Yohann\", 
            
47
\"identifier\": \"https://orcid.org/0000-0001-9399-3192\", \"name\": 
47
\"identifier\": \"https://orcid.org/0000-0001-9399-3192\", \"name\": 
            
48
\"Chauvier\"}",
48
\"Chauvier\"}",
            
49
  "maintainer_email": null,
49
  "maintainer_email": null,
            
50
  "metadata_created": "2021-06-02T13:35:35.900157",
50
  "metadata_created": "2021-06-02T13:35:35.900157",
            
t
51
  "metadata_modified": "2023-02-13T10:46:44.157314",
t
51
  "metadata_modified": "2023-02-13T10:46:51.647010",
            
52
  "name": "correct-observer-bias-only-sdms",
52
  "name": "correct-observer-bias-only-sdms",
            
53
  "notes": "Aim: While species distribution models (SDMs) are standard 
53
  "notes": "Aim: While species distribution models (SDMs) are standard 
            
54
tools to predict species distributions, they can suffer from 
54
tools to predict species distributions, they can suffer from 
            
55
observation and sampling biases, particularly presence-only SDMs that 
55
observation and sampling biases, particularly presence-only SDMs that 
            
56
often rely on species observations from non-standardized sampling 
56
often rely on species observations from non-standardized sampling 
            
57
efforts. To address this issue, sampling background points with a 
57
efforts. To address this issue, sampling background points with a 
            
58
target-group strategy is commonly used, although more robust 
58
target-group strategy is commonly used, although more robust 
            
59
strategies and refinements could be implemented. Here, we exploited a 
59
strategies and refinements could be implemented. Here, we exploited a 
            
60
dataset of plant species from the European Alps to propose and 
60
dataset of plant species from the European Alps to propose and 
            
61
demonstrate efficient ways to correct for observer and sampling bias 
61
demonstrate efficient ways to correct for observer and sampling bias 
            
62
in presence-only models. \r\n\r\nInnovation: Recent methods correct 
62
in presence-only models. \r\n\r\nInnovation: Recent methods correct 
            
63
for observer bias by using covariates related to accessibility in 
63
for observer bias by using covariates related to accessibility in 
            
64
model calibrations (classic bias covariate correction, Classic-BCC). 
64
model calibrations (classic bias covariate correction, Classic-BCC). 
            
65
However, depending on how species are sampled, accessibility 
65
However, depending on how species are sampled, accessibility 
            
66
covariates may not sufficiently capture observer bias. Here, we 
66
covariates may not sufficiently capture observer bias. Here, we 
            
67
introduced BCCs more directly related to sampling effort, as well as a 
67
introduced BCCs more directly related to sampling effort, as well as a 
            
68
novel corrective method based on stratified resampling of the 
68
novel corrective method based on stratified resampling of the 
            
69
observational dataset before model calibration (environmental bias 
69
observational dataset before model calibration (environmental bias 
            
70
correction, EBC). We compared, individually and jointly, the effect of 
70
correction, EBC). We compared, individually and jointly, the effect of 
            
71
EBC and different BCC strategies, when modelling the distributions of 
71
EBC and different BCC strategies, when modelling the distributions of 
            
72
1\u2019900 plant species. We evaluated model performance with spatial 
72
1\u2019900 plant species. We evaluated model performance with spatial 
            
73
block split-sampling and independent test data, and assessed the 
73
block split-sampling and independent test data, and assessed the 
            
74
accuracy of plant diversity predictions across the European 
74
accuracy of plant diversity predictions across the European 
            
75
Alps.\r\n\r\nMain conclusions: Implementing EBC with BCC showed best 
75
Alps.\r\n\r\nMain conclusions: Implementing EBC with BCC showed best 
            
76
results for every evaluation method. Particularly, adding the 
76
results for every evaluation method. Particularly, adding the 
            
77
observation density of a target group as bias covariate (Target-BCC) 
77
observation density of a target group as bias covariate (Target-BCC) 
            
78
displayed most realistic modelled species distributions, with a clear 
78
displayed most realistic modelled species distributions, with a clear 
            
79
positive correlation (r\u22430.5) found between predicted and 
79
positive correlation (r\u22430.5) found between predicted and 
            
80
expert-based species richness. Although EBC must be carefully 
80
expert-based species richness. Although EBC must be carefully 
            
81
implemented in a species-specific manner, such limitations may be 
81
implemented in a species-specific manner, such limitations may be 
            
82
addressed via automated diagnostics included in a provided R function. 
82
addressed via automated diagnostics included in a provided R function. 
            
83
Implementing EBC and bias covariate correction together may allow 
83
Implementing EBC and bias covariate correction together may allow 
            
84
future studies to address efficiently observer bias in presence-only 
84
future studies to address efficiently observer bias in presence-only 
            
85
models, and overcome the standard need of an independent test dataset 
85
models, and overcome the standard need of an independent test dataset 
            
86
for model evaluation.",
86
for model evaluation.",
            
87
  "num_resources": 1,
87
  "num_resources": 1,
            
88
  "num_tags": 10,
88
  "num_tags": 10,
            
89
  "organization": {
89
  "organization": {
            
90
    "approval_status": "approved",
90
    "approval_status": "approved",
            
91
    "created": "2018-05-31T14:24:18.890912",
91
    "created": "2018-05-31T14:24:18.890912",
            
92
    "description": "The dynamic macroecology group studies different 
92
    "description": "The dynamic macroecology group studies different 
            
93
aspects of ecology on large spatial and temporal scales, from the 
93
aspects of ecology on large spatial and temporal scales, from the 
            
94
Pleistocene to the Anthropocene, related to the question: \u201cHow do 
94
Pleistocene to the Anthropocene, related to the question: \u201cHow do 
            
95
species and their traits change in space and time, particularly with 
95
species and their traits change in space and time, particularly with 
            
96
global change?\u201d",
96
global change?\u201d",
            
97
    "id": "8bdea9a0-ea8c-424f-8c27-a4a1f0c55f02",
97
    "id": "8bdea9a0-ea8c-424f-8c27-a4a1f0c55f02",
            
98
    "image_url": "2018-07-10-102727.341687LogoWSL.svg",
98
    "image_url": "2018-07-10-102727.341687LogoWSL.svg",
            
99
    "is_organization": true,
99
    "is_organization": true,
            
100
    "name": "dynamic-macroecology",
100
    "name": "dynamic-macroecology",
            
101
    "state": "active",
101
    "state": "active",
            
102
    "title": "Dynamic Macroecology",
102
    "title": "Dynamic Macroecology",
            
103
    "type": "organization"
103
    "type": "organization"
            
104
  },
104
  },
            
105
  "owner_org": "8bdea9a0-ea8c-424f-8c27-a4a1f0c55f02",
105
  "owner_org": "8bdea9a0-ea8c-424f-8c27-a4a1f0c55f02",
            
106
  "private": false,
106
  "private": false,
            
107
  "publication": "{\"publication_year\": \"2021\", \"publisher\": 
107
  "publication": "{\"publication_year\": \"2021\", \"publisher\": 
            
108
\"EnviDat\"}",
108
\"EnviDat\"}",
            
109
  "publication_state": "published",
109
  "publication_state": "published",
            
110
  "related_datasets": "KARGER, Dirk Nikolaus, CONRAD, Olaf, 
110
  "related_datasets": "KARGER, Dirk Nikolaus, CONRAD, Olaf, 
            
111
B\u00d6HNER, J\u00fcrgen, et al. Climatologies at high resolution for 
111
B\u00d6HNER, J\u00fcrgen, et al. Climatologies at high resolution for 
            
112
the earth\u2019s land surface areas. Scientific data, 2017, vol. 4, no 
112
the earth\u2019s land surface areas. Scientific data, 2017, vol. 4, no 
            
113
1, p. 1-20.\r\n\r\nAeschimann, D., Lauber, K., Moser, D.M. & 
113
1, p. 1-20.\r\n\r\nAeschimann, D., Lauber, K., Moser, D.M. & 
            
114
Theurillat, J.P. (2004) Flora alpina: ein Atlas s\u00e4mtlicher 4500 
114
Theurillat, J.P. (2004) Flora alpina: ein Atlas s\u00e4mtlicher 4500 
            
115
Gef\u00e4sspflanzen der Alpen., (ed. by Haupt).",
115
Gef\u00e4sspflanzen der Alpen., (ed. by Haupt).",
            
116
  "related_publications": "",
116
  "related_publications": "",
            
117
  "relationships_as_object": [],
117
  "relationships_as_object": [],
            
118
  "relationships_as_subject": [],
118
  "relationships_as_subject": [],
            
119
  "resource_type": "dataset",
119
  "resource_type": "dataset",
            
120
  "resource_type_general": "dataset",
120
  "resource_type_general": "dataset",
            
121
  "resources": [
121
  "resources": [
            
122
    {
122
    {
            
123
      "cache_last_updated": null,
123
      "cache_last_updated": null,
            
124
      "cache_url": null,
124
      "cache_url": null,
            
125
      "created": "2021-06-02T14:00:52.109758",
125
      "created": "2021-06-02T14:00:52.109758",
            
126
      "description": "Non-copyright data, scripts, diversity outputs",
126
      "description": "Non-copyright data, scripts, diversity outputs",
            
127
      "doi": "",
127
      "doi": "",
            
128
      "format": "ZIP",
128
      "format": "ZIP",
            
129
      "hash": "",
129
      "hash": "",
            
130
      "id": "d2665a9b-a7de-4bff-8f6e-6dbf0406fd0b",
130
      "id": "d2665a9b-a7de-4bff-8f6e-6dbf0406fd0b",
            
131
      "last_modified": "2022-04-06T16:28:26.014304",
131
      "last_modified": "2022-04-06T16:28:26.014304",
            
132
      "metadata_modified": "2022-04-06T14:28:26.354912",
132
      "metadata_modified": "2022-04-06T14:28:26.354912",
            
133
      "mimetype": null,
133
      "mimetype": null,
            
134
      "mimetype_inner": null,
134
      "mimetype_inner": null,
            
135
      "name": "PPM_bias_correction",
135
      "name": "PPM_bias_correction",
            
136
      "package_id": "a09eb932-e181-47a3-945a-7f7cde5d2393",
136
      "package_id": "a09eb932-e181-47a3-945a-7f7cde5d2393",
            
137
      "position": 0,
137
      "position": 0,
            
138
      "publication_state": "",
138
      "publication_state": "",
            
139
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
139
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
            
140
\"kb\"}",
140
\"kb\"}",
            
141
      "resource_type": null,
141
      "resource_type": null,
            
142
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
142
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
            
143
\"shared_secret\": \"\"}",
143
\"shared_secret\": \"\"}",
            
144
      "size": 410411202,
144
      "size": 410411202,
            
145
      "state": "active",
145
      "state": "active",
            
146
      "url": 
146
      "url": 
            
147
/d2665a9b-a7de-4bff-8f6e-6dbf0406fd0b/download/nc_data_n_scripts.zip",
147
/d2665a9b-a7de-4bff-8f6e-6dbf0406fd0b/download/nc_data_n_scripts.zip",
            
148
      "url_type": "upload"
148
      "url_type": "upload"
            
149
    }
149
    }
            
150
  ],
150
  ],
            
151
  "spatial": 
151
  "spatial": 
            
152
,[17.5341796875,42.7416346551412],[4.9658203125,42.7416346551412]]]}",
152
,[17.5341796875,42.7416346551412],[4.9658203125,42.7416346551412]]]}",
            
153
  "spatial_info": "European Alps",
153
  "spatial_info": "European Alps",
            
154
  "state": "active",
154
  "state": "active",
            
155
  "subtitle": "",
155
  "subtitle": "",
            
156
  "tags": [
156
  "tags": [
            
157
    {
157
    {
            
158
      "display_name": "BACKGROUND DATA",
158
      "display_name": "BACKGROUND DATA",
            
159
      "id": "1e27ed57-ffec-4efd-b062-7f2a5c468276",
159
      "id": "1e27ed57-ffec-4efd-b062-7f2a5c468276",
            
160
      "name": "BACKGROUND DATA",
160
      "name": "BACKGROUND DATA",
            
161
      "state": "active",
161
      "state": "active",
            
162
      "vocabulary_id": null
162
      "vocabulary_id": null
            
163
    },
163
    },
            
164
    {
164
    {
            
165
      "display_name": "CLUSTER",
165
      "display_name": "CLUSTER",
            
166
      "id": "7bb4c8f8-c05f-43e0-9624-7ab60347c4c2",
166
      "id": "7bb4c8f8-c05f-43e0-9624-7ab60347c4c2",
            
167
      "name": "CLUSTER",
167
      "name": "CLUSTER",
            
168
      "state": "active",
168
      "state": "active",
            
169
      "vocabulary_id": null
169
      "vocabulary_id": null
            
170
    },
170
    },
            
171
    {
171
    {
            
172
      "display_name": "COVARIATE CORRECTION",
172
      "display_name": "COVARIATE CORRECTION",
            
173
      "id": "05fb2a81-0db9-4c1e-8606-bad1d5205f14",
173
      "id": "05fb2a81-0db9-4c1e-8606-bad1d5205f14",
            
174
      "name": "COVARIATE CORRECTION",
174
      "name": "COVARIATE CORRECTION",
            
175
      "state": "active",
175
      "state": "active",
            
176
      "vocabulary_id": null
176
      "vocabulary_id": null
            
177
    },
177
    },
            
178
    {
178
    {
            
179
      "display_name": "ENVIRONMENTAL STRATIFICATION",
179
      "display_name": "ENVIRONMENTAL STRATIFICATION",
            
180
      "id": "54036d5a-28d8-46ed-ab48-9a9e556408b9",
180
      "id": "54036d5a-28d8-46ed-ab48-9a9e556408b9",
            
181
      "name": "ENVIRONMENTAL STRATIFICATION",
181
      "name": "ENVIRONMENTAL STRATIFICATION",
            
182
      "state": "active",
182
      "state": "active",
            
183
      "vocabulary_id": null
183
      "vocabulary_id": null
            
184
    },
184
    },
            
185
    {
185
    {
            
186
      "display_name": "INDEPENDENT DATASET",
186
      "display_name": "INDEPENDENT DATASET",
            
187
      "id": "7d31474e-3f35-499d-89bd-b37b1b9e615a",
187
      "id": "7d31474e-3f35-499d-89bd-b37b1b9e615a",
            
188
      "name": "INDEPENDENT DATASET",
188
      "name": "INDEPENDENT DATASET",
            
189
      "state": "active",
189
      "state": "active",
            
190
      "vocabulary_id": null
190
      "vocabulary_id": null
            
191
    },
191
    },
            
192
    {
192
    {
            
193
      "display_name": "PLANT SPECIES",
193
      "display_name": "PLANT SPECIES",
            
194
      "id": "269cf433-87f4-4c60-bcd7-52cc7ad22bc2",
194
      "id": "269cf433-87f4-4c60-bcd7-52cc7ad22bc2",
            
195
      "name": "PLANT SPECIES",
195
      "name": "PLANT SPECIES",
            
196
      "state": "active",
196
      "state": "active",
            
197
      "vocabulary_id": null
197
      "vocabulary_id": null
            
198
    },
198
    },
            
199
    {
199
    {
            
200
      "display_name": "POINT PROCESS MODEL",
200
      "display_name": "POINT PROCESS MODEL",
            
201
      "id": "37903065-b772-45e2-b27b-10ba6204738c",
201
      "id": "37903065-b772-45e2-b27b-10ba6204738c",
            
202
      "name": "POINT PROCESS MODEL",
202
      "name": "POINT PROCESS MODEL",
            
203
      "state": "active",
203
      "state": "active",
            
204
      "vocabulary_id": null
204
      "vocabulary_id": null
            
205
    },
205
    },
            
206
    {
206
    {
            
207
      "display_name": "RANDOM STRATIFIED SAMPLING",
207
      "display_name": "RANDOM STRATIFIED SAMPLING",
            
208
      "id": "1f1eb4bb-6443-4307-bda5-a0eae20f1afb",
208
      "id": "1f1eb4bb-6443-4307-bda5-a0eae20f1afb",
            
209
      "name": "RANDOM STRATIFIED SAMPLING",
209
      "name": "RANDOM STRATIFIED SAMPLING",
            
210
      "state": "active",
210
      "state": "active",
            
211
      "vocabulary_id": null
211
      "vocabulary_id": null
            
212
    },
212
    },
            
213
    {
213
    {
            
214
      "display_name": "SURVEY EFFORT",
214
      "display_name": "SURVEY EFFORT",
            
215
      "id": "522315db-d363-4b75-8a17-5960c6f391f0",
215
      "id": "522315db-d363-4b75-8a17-5960c6f391f0",
            
216
      "name": "SURVEY EFFORT",
216
      "name": "SURVEY EFFORT",
            
217
      "state": "active",
217
      "state": "active",
            
218
      "vocabulary_id": null
218
      "vocabulary_id": null
            
219
    },
219
    },
            
220
    {
220
    {
            
221
      "display_name": "TARGET GROUP",
221
      "display_name": "TARGET GROUP",
            
222
      "id": "b835c741-e505-4fb5-95d3-817d0173a1c0",
222
      "id": "b835c741-e505-4fb5-95d3-817d0173a1c0",
            
223
      "name": "TARGET GROUP",
223
      "name": "TARGET GROUP",
            
224
      "state": "active",
224
      "state": "active",
            
225
      "vocabulary_id": null
225
      "vocabulary_id": null
            
226
    }
226
    }
            
227
  ],
227
  ],
            
228
  "title": "Novel methods to correct for observer and sampling bias in 
228
  "title": "Novel methods to correct for observer and sampling bias in 
            
229
presence-only species distribution models",
229
presence-only species distribution models",
            
230
  "type": "dataset",
230
  "type": "dataset",
            
231
  "url": null,
231
  "url": null,
            
232
  "version": "1.0"
232
  "version": "1.0"
            
233
}
233
}