Techniques for monitoring <i>Brachyramphus</i> murrelets: A comparison of radar, autonomous acoustic recording and audio‐visual surveys
Notice bibliographique
Résumé
ABSTRACT Conditions in Alaska, USA, pose a challenge for monitoring populations of Brachyramphus murrelets using standard survey methods, because of strong winds, 2 sympatric species, short nights, and variable nesting habitat. We tested 3 methods for monitoring Brachyramphus murrelets breeding in the Kodiak Archipelago, Alaska, in 2010–2012. In addition to standard audio‐visual and radar methods, we tested—for the first time with murrelets in Alaska—the application of autonomous acoustic recorders for monitoring vocal activity. We completed 74 radar, 124 audio‐visual, and 134 autonomous acoustic surveys, focused on presunrise activity peaks; this yielded 26,375 murrelet detections. Marbled ( B. marmoratus ) and Kittlitz's murrelets ( B. brevirostris ) could not be distinguished using combinations of radar and acoustic recordings; therefore, at‐sea surveys will be required to determine localized species proportions. Of the 3 methods, radar sampled the largest area and detected silently flying murrelets, providing the most reliable data on local populations; however, radar identification of murrelets was unreliable in winds exceeding 18 km/hr. Audio‐visual surveys were useful for species identification and to document behaviors associated with local nesting, whereas autonomous acoustic recorders allowed season‐long monitoring of murrelet vocal activity. Within potential forest‐nesting habitat of marbled murrelets, all 3 methods gave similar measures of presunrise murrelet activity, but only radar reliably sampled murrelets commuting between nest and ocean. Because of their low cost and flexible programming, automated sound recorders offer an affordable way to sample vocal activity prior to more intensive or expensive radar and audio‐visual surveys. We recommend that population monitoring and habitat studies of Brachyramphus murrelets in Alaska include combinations of all 3 methods. Published 2016. This article is a U.S. Government work and is in the public domain in the USA.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».