MétaCan
Menu
Retour à la cohorte
Enregistrement W4233364477 · doi:10.3356/jrr-20-55

Quantifying Vocal Activity and Detection Probability to Inform Survey Methods for Barred Owls (Strix varia)

2020· article· en· W4233364477 sur OpenAlexafffundabout
Marion A. Clément, Julia Shonfield, Erin M. Bayne, Robert F. Baldwin, Kyle Barrett

Notice bibliographique

RevueJournal of Raptor Research · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAnimal Vocal Communication and Behavior
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaEnvironment and Climate Change CanadaAlberta Environment and ParksUniversity of AlbertaAlberta Conservation Association
Mots-clésAbundance (ecology)GeographySurvey methodologySunsetEcologyFisheryBiologyStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

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 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)0,005
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,160
Score d'incertitude au seuil0,481

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,004
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 Opus0,470
Tête enseignante GPT0,549
Écart entre enseignants0,079 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Raptor ResearchMême sujetAnimal Vocal Communication and BehaviorTravaux en français237 207