COMPARISON OF FIXED-WING AND HELICOPTER SEARCHES FOR MOOSE IN A MID-WINTER HABITAT-BASED SURVEY
Notice bibliographique
Résumé
We conducted a mid-winter habitat-based survey in Terra Nova National Park and an adjacent hunted area (Moose Management Area 27) to compare the reliability and accuracy of using fixed-wing and helicopter aircraft for counting moose. Forest inventory mapping was the primary consideration in defining block boundaries because this readily available information could be easily interpreted by observers during aircraft navigation, and because map classes could be chosen in a way expected to reduce variability in moose distribution. Blocks were also classified from forest inventory mapping as being either open (mean crown closure of all stands 50%). We tested the precision of fixed-wing and helicopter aircraft for counting moose in blocks with open and dense crown cover by increasing the time spent during second searches with each aircraft type. More moose were seen in open blocks during second searches with increased flying time in both fixed-wing aircraft (100%) and helicopters (160%) than in dense forest cover blocks (12% and 43%, respectively). We also compared the accuracy of the two aircraft types in each crown cover class by recounting the same blocks at a similar intensity. Verifying the accuracy of fixed-wing counts with helicopter searches of the same 8 blocks (the same crew flew approximately the same time), we found that the helicopter counts were on average 78% higher. We conclude that for highest accuracy and best classification of animals during a moose survey, helicopter counting is superior to fixed wing counting. ALCES VOL. 38: 47-53 (2002)
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 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».