Combining point counts and autonomous recording units improves avian survey efficacy across elevational gradients on two continents
Notice bibliographique
Résumé
Accurate biodiversity and population monitoring is a requirement for effective conservation decision making. Survey method bias is therefore a concern, particularly when research programs face logistical and cost limitations.We employed point counts (PCs) and autonomous recording units (ARUs) to survey avian biodiversity within comparable, high elevation, temperate mountain habitats at opposite ends of the Americas: nine mountains in British Columbia (BC), Canada, and 10 in southern Chile. We compared detected species richness against multiyear species inventories and examined method-specific detection probability by family. By incorporating time costs, we assessed the performance and efficiency of single versus combined methods.Species accumulation curves indicate ARUs can capture ~93% of species present in BC but only ~58% in Chile, despite Chilean mountain communities being less diverse. The avian community, rather than landscape composition, appears to drive this dramatic difference. Chilean communities contain less-vocal species, which ARUs missed. Further, 6/13 families in BC were better detected by ARUs, while 11/11 families in Chile were better detected by PCs. Where survey conditions differentially impacted method performance, PCs mostly varied over the morning and with canopy cover in BC, while ARUs mostly varied seasonally in Chile. Within a single year of monitoring, neither method alone was predicted to capture the full avian community, with the exception of ARUs in the alpine and subalpine of BC. PCs contributed little to detected diversity in BC, but including this method resulted in negligible increases in total time costs. Combining PCs with ARUs in Chile significantly increased species detections, again, for little cost.Combined methods were among the most efficient and accurate approaches to capturing diversity. We recommend conducting point counts, while ARUs are being deployed and retrieved in order to capture additional diversity with minimal additional effort and to flag methodological biases using a comparative framework.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».