Estimating and validating koala Phascolarctos cinereus density estimates from acoustic arrays using spatial count modelling
Notice bibliographique
Résumé
Context It is notoriously difficult to estimate the size of animal populations, especially for cryptic or threatened species that occur in low numbers. Recent advances with acoustic sensors make the detection of animal populations cost effective when coupled with software that can recognise species-specific calls. Aims We assess the potential for acoustic sensors to estimate koala, Phascolarctos cinereus, density, when individuals are not identified, using spatial count models. Sites were selected where previous independent estimates of density were available. Methods We established acoustic arrays at each of five sites representing different environments and densities of koalas in New South Wales. To assess reliability, we compared male koala density estimates derived from spatial count modelling to independently derived estimates for each site. Key results A total 11 312 koala bellows were verified across our five arrays. Koalas were detected at most of our sample locations (96–100% of sensors; n = 130), compared with low detection rates from rapid scat searches at trees near each sensor (scats at <2% of trees searched, n = 889, except one site where scats were present at 69% of trees, n = 129). Independent estimates of koala density at our study areas varied from a minimum of 0.02 male koalas ha−1 to 0.32 ha−1. Acoustic arrays and the spatial count method yielded plausible estimates of male koala density, which, when converted to total koalas (assuming 1:1 sex ratio), were mostly equivalent to independent estimates previously derived for each site. The greatest discrepancy occurred where the acoustic estimate was larger (although within the bounds of uncertainty) than the independent mark–recapture estimate at a fragmented, high koala-density site. Conclusions Spatial count modelling of acoustic data from arrays provides plausible and reliable estimates of koala density and, importantly, associated measures of uncertainty as well as an ability to model spatial variations in density across an array. Caution is needed when applying models to higher-density populations where home ranges overlap extensively and calls are evenly spread across the array. Implications The results add to the opportunities of acoustic methods for wildlife, especially where monitoring of density requires cost-effective repeat surveys.
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 | 0,007 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».