Using binomial distance-sampling models to estimate the effective detection radius of point-count surveys across boreal Canada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We used binomial distance-sampling models to estimate the effective detection radius (EDR) of point-count surveys across boreal Canada. We evaluated binomial models based on 0–50 m and >50 m distance categories for goodness-of-fit and sensitivities to variation in survey effort and habitats sampled. We also compared binomial EDRs to Partners in Flight's maximum detection distances (MDD) to determine differences in landbird population sizes derived from each. Binomial EDRs had a small positive bias (4%) averaged across 86 species and a large positive bias (30–82%) for two species when compared with EDRs estimated using multinomial distance sampling. Patterns in binomial EDRs were consistent with how bird songs attenuate in relation to their frequencies and transmission through different habitats. EDR varied 12% among habitats and increased 17% when birds were counted to an unlimited distance, compared with a limited distance of 100 m. The EDR did not vary with the duration of surveys, and densities did not differ when using unlimited-distance versus truncated data. Estimated densities, however, increased 19% from 3- to 5-min counts and 25% from 5- to 10-min counts, possibly from increases in the availability, movement, or double counting of birds with longer counts. Thus, investigators should be cautious when comparing distance-sampling results among studies if methods vary. Population sizes estimated using EDR averaged 5 times (0.8–15 times) those estimated with MDD. Survey data from which to estimate binomial EDRs are widely available across North America and could be used as an alternative to MDD when estimating landbird population sizes.
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.
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 découle