Effects of radio‐collar position and orientation on GPS radio‐collar performance, and the implications of PDOP in data screening
Notice bibliographique
Résumé
Summary Global positioning system (GPS) radio‐telemetry has become an important wildlife research technique worldwide. However, understanding, quantifying and managing error and bias in raw GPS radio‐telemetry data sets requires much more work. In particular, error and bias resulting from position (angle away from vertical) and orientation (compass direction) of GPS radio‐collars on free‐ranging animals is currently unknown. We tested the effects of collar position and orientation on GPS radio‐collar performance using five stationary GPS radio‐collars. We also investigated the use of positional dilution of precision (PDOP) as a method for screening data with high location errors. Orientation had no statistical effect on fix rates or location errors. The biggest source of variation was attributed to collar position, which resulted in significantly lower performance at angles below 90° from vertical. PDOP‐based screening was effective and can be used to lower location error, but the trade‐off between higher location accuracy and data loss (potentially leading to new bias) must be assessed. Synthesis and applications. The results of this study refine our understanding of error and bias in GPS radio‐telemetry data. We suggest that collar orientation can safely be disregarded, whereas radio‐collar position remains a large potential source of error and bias. This finding has major implications regarding animal activity and GPS radio‐telemetry research. Researchers need to quantify and account for biases resulting from animals moving through heterogeneous terrain and habitats.
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 | 0,028 | 0,103 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».