MétaCan
Menu
Retour à la cohorte
Enregistrement W3189994187 · doi:10.1111/2041-210x.13666

The potential and practice of arboreal camera trapping

2021· article· en· W3189994187 sur OpenAlexaff
Jennifer F. Moore, Kylie Soanes, Diego Balbuena, Christopher Beirne, Mark Bowler, Farah Carrasco‐Rueda, Susan M. Cheyne, Opale Coutant, Pierre‐Michel Forget, Jessica K. Haysom, Peter R. Houlihan, Erik R. Olson, Stacy Lindshield, Jonathan G. Martin, Mathias W. Tobler, Andrew Whitworth, Tremaine Gregory

Notice bibliographique

RevueMethods in Ecology and Evolution · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésArboreal locomotionCamera trapRange (aeronautics)TrappingClimbingTree (set theory)EcologyComputer scienceHabitatArtificial intelligenceBiologyEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Arboreal camera trapping is a burgeoning method providing a novel and effective technique to answer research questions across a variety of ecosystems, and it has the capacity to improve our understanding of a wide range of taxa. However, while terrestrial camera trapping has received much attention, there is little guidance for dealing with the unique challenges of working in the arboreal realm. Our review draws on the expertise of researchers from six continents and the broader literature to investigate the advantages and disadvantages of arboreal camera trapping, and challenges to consider when using this technology. We also include mini‐guides with detailed information on the current arboreal camera trap literature, mounts used to install arboreal cameras, tree climbing pointers and safety tips, methods for deploying cameras without climbing, and tips for managing interference with camera function. We find that arboreal camera traps have been most commonly used in the study of mammals in forests; however, there is potential for this method to be applied to a broad range of habitats including urban areas, and taxa such as birds, amphibians, invertebrates, and plants. Methods in arboreal camera trapping could be improved by developing a greater understanding of the factors affecting detection of species. The most common challenges of arboreal camera trapping are camera placement and camera site access. These can be overcome by understanding correct camera orientation, managing potential sources of interference in front of cameras, utilizing appropriate cameras mounts and training researchers properly. Given the benefits and opportunities presented by arboreal camera trapping, it is likely to become an ever‐more popular method of studying arboreal species and systems. The information synthesized in this review provides guidance for future studies to help direct more reliable and robust ecological inferences from arboreal camera trapping.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,134

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,313
Écart entre enseignants0,299 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations88
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMethods in Ecology and EvolutionMême sujetWildlife Ecology and ConservationTravaux en français237 207