Sound attenuation in forest and roadside environments: Implications for avian point-count surveys
Notice bibliographique
Résumé
Point counts are one of the most common ways of collecting data to determine the relative abundance of birds. Many studies and monitoring programs, including the North American Breeding Bird Survey, use relative differences in counts of birds to assess changes in abundance over time and space. Many factors influence whether relative differences in counts of birds between various environmental conditions are reflective of actual differences in bird density. A major assumption of relative abundance is that birds with different song frequencies and amplitudes are heard at the same distances in different environmental conditions. We compared sound transmission in forest habitats and along low-use forestry roads, and calculated detection radius for different species to test the assumption that differences in bird counts between forest interior and roadside locations reflect actual differences in bird abundance. A playback–recording experiment was used to broadcast sounds through forest interior, along a forest edge, and down forestry roads in conifer and deciduous forests to determine whether sound propagation differed across environments. Sound attenuated significantly faster in forests than along roads or forest edges. Similarly, the distance at which bird songs could be detected was significantly shorter in forest than along the road or forest edge for 20 of 25 species. We found the area surveyed to be up to twice as large on road compared to within forests, which suggests that roadside surveys might inflate avian density estimates in comparison to off-road counts. Local atmospheric conditions also influenced detection probability, but the magnitude of the effect was weaker than the land-cover effect. Major differences in detection between roads and interior forest suggest that comparisons of surveys conducted along roadsides and in forest areas should be done carefully if the goal is to make direct comparisons of abundance.
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 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».