Evaluation of Wind‐Energy Survey Protocols for Migrating Eagle Detection
Notice bibliographique
Résumé
ABSTRACT Wind energy development is increasing in the United States and Canada and may affect bald ( Haliaeetus leucocephalus ) and golden eagle ( Aquila chrysaetos ) populations through direct mortality. Wind farms on ridge‐tops may present a greater mortality threat because of the importance of these features for migrating raptors. Regulators in both countries recommend methods for preconstruction surveys, so that eagle use and collision risk can be assessed at potential construction sites. We obtained hourly count data collected during the autumn seasons of 1990–2014 from 22 ridge‐top raptor‐migration monitoring sites in the Pacific, Eastern, and Central flyways of North America. We simulated 18 different survey protocols and effort levels based on survey guidance by repeatedly drawing quasi‐random subsamples from continuously collected data in a manner that imitated the recommended protocols, comparing the number of eagles seen in simulated counts to the eagles seen in all data collected to assess the effectiveness of those protocols in correctly estimating the eagle passage rate (eagles detected per hour of counts) at each site. Multihour point counts conducted on a weekly basis were found to be ineffective at correctly estimating eagle passage both within and across years. Counts conducted in the afternoon were found to be more effective than those conducted in the morning. We demonstrate that full‐day counts, conducted weekly during the peak period of eagle passage, were much more effective at estimating eagle passage rate. Although current guidance recommends the performance of such full day counts, this result underscores their importance in preconstruction surveys at potential wind sites as an essential tactic to estimate eagle passage and risk of collision with energy infrastructure. © 2018 The Wildlife Society.
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 | 0,037 | 0,085 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».