The success of GPS collar deployments on mammals in Australia
Notice bibliographique
Résumé
Global Positioning System (GPS) wildlife telemetry collars are being used increasingly to understand the movement patterns of wild mammals. However, there are few published studies on which to gauge their general utility and success. This paper highlights issues faced by some of the first researchers to use GPS technology for terrestrial mammal tracking in Australia. Our collated data cover 24 studies where GPS collars were used in 280 deployments on 13 species, including dingoes or other wild dogs (Canis lupus dingo and hybrids), cats (Felis catus), foxes (Vulpes vulpes), kangaroos (Macropus giganteus), koalas (Phascolarctos cinereus), livestock guardian dogs (C. l. familiaris), pademelons (Thylogale billardierii), possums (Trichosurus cunninghami), quolls (Dasyurus geoffroii and D. maculatus), wallabies (Macropus rufogriseus and Petrogale lateralis), and wombats (Vombatus ursinus). Common problems encountered were associated with collar design, the GPS, VHF and timed-release components, and unforseen costs in retrieving and refurbishing collars. We discuss the implications of collar failures for research programs and animal welfare, and suggest how these could be avoided or improved. Our intention is to provide constructive advice so that researchers and manufacturers can make informed decisions about using this technology, and maximise the many benefits of GPS while reducing the risks.
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 | 0,003 | 0,011 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 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 ».