Estimating Wildlife Tag Location Errors from a VHF Receiver Mounted on a Drone
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Recent studies have demonstrated the high potential of drones as tools to facilitate wildlife radio-tracking in rugged, difficult-to-access terrain. Without estimates of accuracy, however, data obtained from receivers attached to drones will be of limited use. We estimated transmitter location errors from a drone-borne VHF (very high frequency) receiver in a hilly and dense boreal forest in southern Québec, Canada. Transmitters and the drone-borne receiver were part of the Motus radio-tracking system, a collaborative network designed to study animal movements at local to continental scales. We placed five transmitters at fixed locations, 1–2 m above ground, and flew a quadrotor drone over them along linear segments, at distances to transmitters ranging from 20 m to 534 m. Signal strength was highest with transmitters with antennae pointing upwards, and lowest with transmitters with horizontal antennae. Based on drone positions with maximum signal strength, mean location error was 134 m (range 44–278 m, n = 17). Estimating peak signal strength against drone GPS coordinates with quadratic, least-squares regressions led to lower location error (mean = 94 m, range 15–275 m, n = 10) but with frequent loss of data due to statistical estimation problems. We conclude that accuracy in this system was insufficient for high-precision purposes such as finding nests. However, in the absence of a dense array of fixed receivers, the use of drone-borne Motus receivers may be a cost-effective way to augment the quantity and quality of data, relative to deploying personnel in difficult-to-access terrain.
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.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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) | 0,002 | 0,004 |
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 découle