A comparison of survey methods for arboreal possums in jarrah forest, Western Australia
Notice bibliographique
Résumé
Comparative trials of different survey methods were conducted in the southern jarrah (Eucalyptus marginata) forest to determine the most efficient means of detecting koomal (common brushtail possum, Trichosurus vulpecula hypoleucus) and ngwayir (western ringtail possum, Pseudocheirus occidentalis). In particular, we examined different trapping and spotlighting methods and compared these with scat surveys. Six different trapping methods (derived by combining three bait types and two trap positions) were compared at six sites. Significantly fewer koomal were caught on ‘universal’ bait (i.e. peanut butter, rolled oats and sardines) than on flour-based baits using rose oil or Eucalyptus oil as lures. Significantly more individuals of both possum species were caught in arboreal traps than in ground traps (P < 0.001 in both cases). Recapture rates of koomal were high, whereas ngwayir were rarely retrapped. There were no detection differences between six different spotlighting methods (derived by combining three spotlight intensities with two filter colours) for koomal. Significantly more ngwayir were detected using 50-W or 100-W lights than 20-W lights (P = 0.01). There were no significant differences in the detection rates for ngwayir using red or white light. There were, however, significant observer differences in the number of possums of both species detected (koomal, P = 0.025; ngwayir, P = 0.004). Spotlighting detected, on average, only 4.9% of the koomal ‘known to be alive’ by trapping. However, spotlighting with a 50-W or 100-W spotlight detected more ngwayir than did trapping. Koomal abundance measures derived from scat surveys were not related to trapping or spotlight abundance estimates. For ngwayir, however, scat counts were strongly related to spotlight counts and there were no significant observer differences for the former. We conclude that koomal are more effectively surveyed using arboreal trapping with rose or Eucalyptus lures. Ngwayir are best surveyed using scat surveys or 50-W spotlights.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».