Evaluation of an unmanned aircraft system for detecting surrogate caribou targets in Labrador
Notice bibliographique
Résumé
Regular, standardized population inventories have been suggested as an important component to the recovery of declining populations of boreal caribou (Rangifer tarandus caribou). Current survey methods typically employ manned aircraft, which can be noisy, expensive to operate, and dangerous for the people conducting the surveys. Small unmanned aerial systems (UAS) have garnered attention as a promising alterative to conducting aerial surveys in manned aircraft. Our research investigates the feasibility of using an UAS to conduct aerial surveys and determine which factors affect the detection of surrogate caribou targets, and hence may affect detection of real caribou. In the fall of 2013, we tested the capabilities of the Brican TD100E, a small, electric-powered fixed-wing UAS, to fly beyond visual line of sight near Goose Bay, Labrador. Seven surveys were done using different flight paths to collect aerial images of 26 surrogate caribou targets placed in six different habitats. Mixed effects logistic regression models were used to evaluate how habitat type, distance of the target from the image centerline, photo analysts’ experience level, flight time, and the target contrast against the landscape influenced the detection of surrogate caribou targets. We found that habitat type, target contrast, and the flight time affected target detection. Overall, 77.5% of the targets were detected; the odds of a photo analyst detecting a target in open habitat were roughly 10.5 times higher than in burned habitat and 42 times higher than in heavy forest. Target detection was influenced by the contrast of the target against the landscape, where a higher corrected integrated density was associated with greater target detection. The detection of targets was 87% during evening flights and 75% for morning flights. This study was the first of its kind to successfully fly a UAS beyond line of sight over land for non-military applications in North America and the findings of our research will provide an evaluation for using UAS to survey caribou in the future.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Science ouverte | 0,001 | 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 ».