Estimating animal density in three dimensions using capture‐frequency data from remote detectors
Notice bibliographique
Résumé
Abstract Remote detectors are being used increasingly often to study aquatic and aerial species, which move significantly differently from terrestrial species. Camera‐trapping studies have used frameworks based on animal movement patterns to show that a species’ detection frequency, along with movement speed and detector specifications, can be used to estimate absolute population density. This approach, however, has not yet been adapted to cases where movement is three‐dimensional. Here we adapt one such framework to three‐dimensional movement, to characterize the relationship between population density, animal speed, characteristics of a remote sensor's detection zone and detection frequency. The derivation involves defining the detection zone mathematically and calculating the mean area of the profile it presents to approaching individuals. We developed two variants of the model—one assuming random movement of all individuals, and one allowing for different probabilities for each approach direction (e.g. that animals more often swim/fly horizontally than vertically). We used computer simulations to evaluate model performance for a wide range of animal and detector densities. Simulations show that in ideal conditions the method approximates true density well, and that estimates become increasingly accurate using more detectors, or sampling for longer. Moreover the method is robust to violations of assumptions, accuracy is decreased only in extreme cases where all detectors are facing the same way. We provide equations for estimating population density from detection frequency and outline how to estimate the necessary parameters. We discuss how environmental variables and species‐specific characteristics affect parameter estimates and how to account for these differences in density estimations. Our method can be applied to common remote detection methods (cameras and acoustic detectors), which are currently being used to study a diversity of species and environments. Therefore, our work may significantly expand the number and diversity of species for which density can be estimated.
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 | 0,000 | 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 | 0,000 | 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) | 0,000 | 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 ».