MétaCan
Menu
Retour à la cohorte
Enregistrement W1997809727 · doi:10.1071/wr04089

Factors affecting the detection of possums by spotlighting in Western Australia

2005· article· en· W1997809727 sur OpenAlexaff
Adrian F. Wayne, Ann Cowling, J. F. Rooney, Colin G. Ward, I. B. Wheeler, David B. Lindenmayer, C.F. Donnelly

Notice bibliographique

RevueWildlife Research · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensDepartment of Environment and Conservation
Organismes subventionnairesnon disponible
Mots-clésTransectGeographyBrushtail possumAerial surveyBiodiversityAbundance (ecology)EcologyForestryVegetation (pathology)EucalyptusPhysical geographyBiologyMarsupialCartography

Résumé

récupéré en direct d'OpenAlex

This paper describes how environmental factors, survey method procedures and differences in forest structure resulting from logging relate to the detection of koomal (common brushtail possum, Trichosurus vulpecula hypoleucus) and ngwayir (western ringtail possum, Pseudocheirus occidentalis). A total of 169 vehicle-based spotlight surveys of possums within native jarrah (Eucalyptus marginata) forest was conducted on three transects over eight years (1996–2003). Up to 5.7 koomal and up to 3.3 ngwayir were detected per kilometre per transect side. Only one ngwayir was detected during the eight surveys conducted between 2001 and 2003. More koomal were seen in spring and autumn (i.e. September–November and March–May respectively) and more ngwayir were seen between October and April. Although surveys were not conducted on very rainy or excessively windy nights, fewer possums were nonetheless seen on nights following rainy days and on cold nights. Cloud cover also affected sightings of koomal. The time taken to complete the surveys increased in conjunction with the number of possums detected, on account of the time required to record data. The importance of standardising travelling speed also is emphasised. Possum spotlight counts differed between recently logged and unlogged areas. However, these findings were not supported by complementary koomal abundance estimates derived from trapping, suggesting that vegetation structure may affect detectability. Factors such as the lunar cycle, wind speed and survey start time after sunset did not significantly affect detection rates of either species. On the basis of these findings, specific survey conditions can be selected to improve spotlight detection efficiency.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,081
Tête enseignante GPT0,350
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWildlife ResearchMême sujetWildlife Ecology and ConservationTravaux en français237 207