Quantifying Vocal Activity and Detection Probability to Inform Survey Methods for Barred Owls (Strix varia)
Notice bibliographique
Résumé
Owls can be difficult to detect due to their secretive behavior, typically low calling rate, and low density on the landscape. Low detection probability during surveys can result in an underestimation of the presence and abundance of a species. Thus, optimizing detection probability of surveys targeting owls is necessary to accurately address ecological questions. We used datasets collected in South Carolina, USA, and Alberta, Canada, to investigate how survey detection can be optimized for Barred Owls (Strix varia). We examined seasonal effects on the detection probability of Barred Owls as determined by playback surveys and autonomous recording unit (ARU) surveys, and whether daily patterns of Barred Owl vocal activity could be used to improve the efficiency of ARU surveys. For each survey method, we estimated the number of survey days needed to obtain a seasonal detection probability ≥ 90% of Barred Owls. We found detection probability with playbacks increased as the breeding season progressed. The effect of seasonality on detection probability with ARUs was dependent on the way encounter history was defined. Barred Owl vocal activity peaked twice per night, with one vocalization peak occurring immediately after sunset and another 7–9 hr after sunset. By targeting these vocalization peaks during surveys, we found that we could reduce ARU survey time by 50% and still retain .82% of the original site detections, thereby reducing survey processing time. Although playback surveys were more efficient than ARU surveys at detecting Barred Owls, ARUs have numerous advantages, such as reducing survey effort and disturbance to the target animal. Ultimately, survey designs are dictated by the budget, personnel capacity, study region, and research objectives, but our findings will help researchers plan studies that optimize detection probability and minimize survey cost and effort.
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 | 0,005 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».