Heterogeneous patterns of availability for detection during visual surveys: spatiotemporal variation in sea turtle dive–surfacing behaviour on a feeding ground
Notice bibliographique
Résumé
Summary 1. During aerial or boat‐based surveys for large‐bodied diving taxa (e.g. marine mammals and marine turtles), a proportion of animals present will be missed because they are submerged and out of view, leading to ‘availability bias’ in abundance indices. Information on dive–surfacing patterns can improve corrections for availability bias. However, as dive data are typically limited, availability correction factors are often based on poorly resolved dive and surface times, and diving heterogeneity is not considered. 2. We collected dive records for green turtlesChelonia mydas,Linnaeus 1758, and loggerhead turtlesCaretta caretta, Linnaeus 1758, on a foraging ground in Shark Bay, Western Australia to quantify dive–surfacing patterns and assess potential correlations with easily measured environmental features: habitat depth and water temperature. Bayesian regression models were used to predict dive and surface interval durations across temperature–depth gradients and assess their uncertainty. We used these predictions to quantify variation in availability correction factors, which were multipliers designed, in this case, to adjust surface sightings data to incorporate diving animals. 3. Dive and surface interval durations for both species varied positively with depth and negatively with temperature, consistent witha prioriexpectations, although temperature effects were not always significant. Dive metrics were predictable, although uncertainty increased in deeper habitat with few observed dives. 4. Availability correction factors were highly heterogeneous, with larger corrections necessary in colder, deeper conditions (long‐diving, infrequent surfacing behaviour) and smaller corrections required in warmer, shallower conditions (short‐diving, frequent‐surfacing behaviour). 5. Predictable variation in the diving behaviour of chelonid sea turtles across environmental gradients on a foraging ground reveals that site‐specific knowledge of dive–surfacing patterns can be important to mitigate the effects of availability bias during population surveys. Accounting for such trends may improve the reliability of ecological inferences (e.g. spatiotemporal distribution trends) and the efficacy of applications (e.g. conservation planning) based on survey data.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».