Optimising design and effort for environmental surveys using dung beetles (Coleoptera: Scarabaeidae)
Notice bibliographique
Résumé
Abstract In biological monitoring, deploying an effective standardised quantitative sampling method, optimised by trap design and sampling effort, is an essential consideration. To exemplify this using dung beetle (Coleoptera: Scarabaeidae: Scarabaeinae and Aphodiinae) communities, three pitfall trap designs (un-baited (TN), baited at ground level (flat trap, TF), and baited above the trap (hanging trap, TH)), employed with varying levels of sampling effort (number of traps=1, 2, 3 … 10; number of days=1, 2, 3), were evaluated for sampling completeness and efficiency in the Eastern Cape, South Africa. Modelling and resampling simulation approaches were used to suggest optimal sampling protocols across environmentally diverse sites. Overall, TF recovered the greatest abundance and species richness of dung beetles, but behavioural guilds showed conflicting trends: endocoprids preferred TH while paracoprids and telocoprids preferred TF. Resampling simulation of trap type and the two components of sampling effort suggested that six TF traps left for three days was most efficient in obtaining a representative sample and allowed differentiation between trap types, allowing the improved efficiency to be recognised. The effect of trap type on non-target specimens, particularly ants, was also investigated. TF and TH caught almost no by-catch, which is ethically desirable.
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 | 0,006 | 0,011 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».