A practical method to account for variation in detection range in acoustic telemetry arrays to accurately quantify the spatial ecology of aquatic animals
Notice bibliographique
Résumé
Abstract Acoustic telemetry is a popular tool for long‐term tracking of aquatic animals to describe and quantify patterns of movement, space use, and diverse ecological interactions. Acoustic receivers are imperfect sampling instruments, and their detection range (DR; the area surrounding the receiver in which tag transmissions can be detected) often varies dramatically over space and time due to dynamic environmental conditions. Therefore, it is prudent to quantify and account for variation in DR to prevent telemetry system performance from confounding the understanding of real patterns in animal space use. However, acoustic receiver DR consists of a complex, dynamic, three‐dimensional area that is challenging to quantify. Although quantifying the absolute DR of all receivers is infeasible in the context of most acoustic telemetry studies, we outline a practical approach to quantify relative variation among receiver DR over space and time. This approach involves selecting a set of sentinel receivers to monitor drivers of variation in detection range. Each sentinel receiver is subject to a range testing procedure to estimate detection efficiency (DE; the proportion of total transmissions detected by the receiver), at a range of distances from the receiver, to derive the maximum range (MR; distance from the receiver where DE is 5%) and Midpoint (distance from the receiver where DE is 50%). A reference transmitter is then placed at the Midpoint, providing a standardized measure of long‐term variation in DE, with each station having similar freedom of variance. Variation in reference tag DE is then combined with MR to calculate a DR correction factor (DRc). A modelling approach is then used to estimate DRc for all receivers in the array at spatial and temporal scales of ecological interest, which can be used to correct animal detection data in various ways. We demonstrate this method with a hypothetical dataset, as well as empirical data from an acoustic telemetry array to delineate spatio‐temporal patterns of fish habitat use. This is a flexible and practical approach to account for variation in acoustic receiver performance, allowing more accurate spatial and temporal patterns in aquatic animal spatial ecology to be revealed.
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 | 0,012 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».