Removing GPS collar bias in habitat selection studies
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
Summary Compared to traditional radio‐collars, global positioning system (GPS) collars provide finer spatial resolution and collect locations across a broader range of spatial and temporal conditions. However, data from GPS collars are biased because vegetation and terrain interfere with the satellite signals necessary to acquire a location. Analyses of habitat selection generally proceed without correcting for this known sampling bias. We documented the effects of bias in resource selection functions (RSF) and compared the effectiveness of two bias‐correction techniques. The effects of environmental conditions on the probability of a GPS collar collecting a location were modelled for three brands of collar using data collected in 24‐h trials at 194 test locations. The best‐supported model was used to create GPS‐biased data from unbiased animal locations. These data were used to assess the effects of bias given data losses in the range of 10–40% at both 1‐ and 6‐h sampling intensities. We compared the sign, value and significance of coefficients derived using biased and unbiased data. With 6‐h locations we observed type II error rates of 30–40% given as little as a 10% data loss. Biased data also produced coefficients that were significantly more negative than unbiased estimates. Increasing the sampling intensity from 6‐ to 1‐h locations eliminated type II errors but increased the magnitude of coefficient bias. No type I errors or changes in sign were observed. We applied sample weighting and iterative simulation given a 30% data loss. For a biased vegetation type, simulation reduced more type II errors than weighting, most probably because the original sample size was re‐established. However, selection for areas near trails, which was influenced by a biased vegetation type, showed fewer type II errors after weighting existing animal locations than after simulation. Both techniques corrected 100% and ≥ 80% of the biased coefficients at the 6‐ and 1‐h sampling intensities, respectively. Synthesis and applications. This study demonstrates that GPS error is predictable and biases the coefficients of resource selection models dependant upon the GPS sampling intensity and the level of data loss. We provide effective alternatives for correcting bias and discuss applying corrections under different sampling designs.
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