Optimizing Repeat-Visit, Call-Broadcast Nocturnal Surveys for Yellow Rails (<i>Coturnicops noveboracensis</i>)
Notice bibliographique
Résumé
Due to its secretive nature and nocturnal vocalization, multi-species bird monitoring programs are not effective in surveying populations of Yellow Rails (Coturnicops noveboracensis) and, thus, species-specific survey methods should be used. To determine how to optimize nocturnal call-playback surveys of Yellow Rails, we evaluated the effects of survey methods (naïve-estimated vs. detectability-adjusted estimated occupancy, observer, number of surveys, and the use of playbacks) and temporal and environmental conditions (e.g., time, date, temperature, moon phase, seasonality, and cloud cover) on detection probability. In 2010 and 2011, 334 call-broadcast night surveys for Yellow Rail were conducted at 167 survey points within 80 wetlands in south-central Manitoba, Canada. Yellow Rail detection probability was estimated at 0.63 in both years. In 2010, the detectability-adjusted wetland occupancy rate was estimated at 0.63, and in 2011 it was estimated at 0.36. Call-broadcast surveys contributed relatively little to improving Yellow Rail detectability, but repeat surveys at each site increased the number of individuals detected. Detection probability was not correlated with the temporal or environmental variables we studied, or by observer. Surveys where call-broadcasts are not feasible, such as volunteer surveys, are still likely to result in good estimates of Yellow Rail abundances, if surveys are repeated within breeding seasons.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».