Factors affecting the detection of possums by spotlighting in Western Australia
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
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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