Identifying peaks in bat activity: a new application of SaTScan’s space–time scan statistic
Notice bibliographique
Résumé
Context Identifying key spatio–temporal periods of an organism’s activity is an important focus of many ecological studies. Bat activity, as assessed by passive acoustic monitoring, can be extremely variable and currently there exists no agreed-upon method for identifying periods of high activity. Aims We proposed a new application for the space–time scan statistic (SaTScan) as an objective technique for identifying peak periods of bat activity. We aimed to test the validity of SaTScan as a method for identifying peaks in bat activity and demonstrate its use for assessing species-specific temporal patterns of activity. Methods To evaluate the effectiveness of SaTScan for detecting peaks in activity, we compared SaTScan to peaks identified with percentile thresholds. We evaluated peaks in activity across three scales: within nights; among nights at a site; and among sites. We applied SaTScan to demonstrate analysis of species-specific activity as further use of this technique. Key results SaTScan was effective at identifying peak time periods that included the majority of the high activity minutes. Timing of peaks of activity was most consistent for Myotis lucifugus during swarming and Lasiurus borealis during migration. All other activity for five species at three sites was indicative of foraging activity, with peaks in the first 5 h after sunset. Conclusions SaTScan can be a valuable tool for quickly identifying peaks in acoustic activity of bats, with an objective, replicable and statistically sound method that can be applied at many temporal and spatial scales. Implications This tool has the potential for many more applications in ecology. Beyond acoustic analyses of bat activity, this technique could easily identify peaks in a research or management context, such as study activity among habitats, commercial developments or years at a single site.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».