A picture is worth a thousand data points: an imagery dataset of paired shrub-open microsites within the Carrizo Plain National Monument
Notice bibliographique
Résumé
BACKGROUND: Carrizo Plain National Monument (San Joaquin Desert, California, USA) is home to many threatened and endangered species including the blunt-nosed leopard lizard (Gambelia sila). Vegetation is dominated by annual grasses, and shrubs such as Mormon tea (Ephedra californica), which is of relevance to our target species, the federally listed blunt-nosed leopard lizard, and likely also provides key ecosystem services. We used relatively nonintrusive camera traps, or trail cameras, to capture interactions between animals and these shrubs using a paired shrub-open deployment. Cameras were placed within the shrub understory and in open microhabitats at ground level to estimate animal activity and determine species presence. FINDINGS: Twenty cameras were deployed from April 1st, 2015 to July 5th, 2015 at paired shrub-open microsites at three locations. Over 425,000 pictures were taken during this time, of which 0.4 % detected mammals, birds, insects, and reptiles including the blunt-nosed leopard lizard. Trigger rate was very high on the medium sensitivity camera setting in this desert ecosystem, and rates did not differ between microsites. CONCLUSIONS: Camera traps are an effective, less invasive survey method for collecting data on the presence or absence of desert animals in shrub and open microhabitats. A more extensive array of cameras within an arid region would thus be an effective tool to estimate the presence of desert animals and potentially detect habitat use patterns.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».