Comparing the sampling performance of sound recorders versus point counts in bird surveys: A meta‐analysis
Notice bibliographique
Résumé
Abstract Autonomous sound recording is a promising sampling method for birds and other vocalizing terrestrial wildlife. However, while there are clear advantages of passive acoustic monitoring methods over classical point counts conducted by humans, it has been difficult to quantitatively assess how they compare in their sampling performance. Quantitative comparisons of species richness between acoustic recorders and human point counts in bird surveys have previously been hampered by the differing and often unknown detection ranges or sound detection spaces among sampling methods. We performed two meta‐analyses based on 28 studies where bird point counts were paired with sound recordings at the same sampling sites. We compared alpha and gamma richness estimated by both survey methods after equalizing their effective detection ranges. We further assessed the influence of technical sound recording specifications (microphone signal‐to‐noise ratio, height and number) on the bird sampling performance of sound recorders compared to unlimited radius point counts. We show that after standardizing detection ranges, alpha and gamma richness from both methods are statistically indistinguishable, while there might be an avoidance effect in point counts. Furthermore, we show that microphone signal‐to‐noise ratio (a measure of its quality), height and number positively affect performance through increasing the detection range, allowing sound recorders to match the performance of human point counts. Synthesis and applications . We demonstrate that when used properly, high‐end sound recording systems can sample terrestrial wildlife just as well as human observers conducting point counts. Correspondingly, we suggest a first standard methodology for sampling birds with autonomous sound recorders to obtain results comparable to point counts and enable practical sampling. We also give recommendations for carrying out effective surveys and making the most out of autonomous sound recorders.
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 | 0,025 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,032 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».