A new scoring system for use in capture–recapture studies for bowhead whales photographed with drones
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Effective management of animal populations requires knowledge of life history parameters and estimates of population abundance. One method commonly used to estimate abundance is capture–recapture analyses of photographs. Small, relatively inexpensive, rotary-wing drones have become an effective platform for obtaining high-quality aerial photographs of whales. To conduct capture–recapture analyses the animal needs to be defined as marked or unmarked and the photographs must be of high quality. While a system for scoring quality and markedness has previously been developed for bowhead whales (Balaena mysticetus Linnaeus, 1758) ( Rugh et al. 1998 . Rep. int. Whal. Commn. 48: 501–512), a revised scoring system was needed to incorporate increased information in photographs taken by drones. We present a revised scoring system that enlarges two of the previously defined areas of the whale examined for markings and incorporates smaller markings into the definition of marked whales. We scored 30 whales using the previous criteria and the revised criteria developed in this paper. More whales were identified as marked (23%) and mark scores were higher for 30% of the zones scored using the new system. Increasing the number of marked whales during capture–recapture studies increases the precision of estimated parameters and permits us to make those estimates with smaller samples of photographs.
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.
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 | 0,000 |
| 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 découle