Factors associated with the detectability of owls in South American temperate forests: Implications for nocturnal raptor monitoring
Notice bibliographique
Résumé
ABSTRACT Owls occur at relatively low densities and are cryptic; thus, monitoring programs that estimate variation in detectability will improve inferences about their presence. We investigated temporal and abiotic sources of variation associated with detection probabilities of rufous‐legged owls ( Strix rufipes ), a threatened forest specialist, and austral pygmy‐owls ( Glaucidium nana ), a habitat generalist, in temperate forests of southern Chile. We also assessed whether detection of 1 species was related to the detection of the other species. During 2011–2013, we conducted 1,145 broadcast surveys at 101 sampling units established along an elevational gradient located inside and outside protected areas. We used a multi‐season occupancy framework for modeling occupancy (ψ) and detection ( p ), and ranked models using an information‐theoretic approach. We recorded 292 detections of rufous‐legged owls and 334 detections of austral pygmy‐owls. Occupancy was positively associated with elevation for rufous‐legged owls but constant (i.e., did not vary with covariates) for pygmy‐owls. Detectability for both owls increased with greater moonlight and decreased with environmental noise, and for pygmy‐owls greater wind speed decreased detectability. The probability of detecting pygmy‐owls increased nonlinearly with number of days since the start of surveys and peaked during the latest surveys of the season (23 Jan–7 Feb). Detection of both species was positively correlated with the detection of the other species. We suggest both species should be surveyed simultaneously for a minimum of 3–4 times during a season, survey stations should be located away from noise, and observers should record the moon phase and weather conditions for each survey. © 2014 The Wildlife Society.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».