A method for estimating songbird abundance 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
Using drones to conduct airborne bioacoustics surveys is a potentially useful new way to estimate the abundance of vocal bird species. Here we show that by using two audio recorders suspended from a quadcopter drone it is possible to estimate distances to birds with precision. In an experimental test, the mean error of our estimated distances to a broadcast song across 11 points between 0 and 100 m away was just 3.47 m. In field tests, we compared 1 min airborne counts with 5 min terrestrial counts at 34 count locations. We found that the airborne counts yielded similar data to the terrestrial point counts for most of the 10 songbird species included in our analysis, and that the effective detection radii were also similar. However, airborne counts significantly under-detected the Northern Cardinal (χ 2 9 = 22.8, post-hoc test P = 0.007), which we attribute to a behavioral response to the drone. Airborne counts work best for species that vocalize close to the ground and have high-frequency-range songs. Under those circumstances, airborne bioacoustics could have several advantages over ground-based surveys, including increased precision, increased repeatability, and easier access to difficult terrain. Further, we show that it is possible to do rapid surveys using airborne techniques, which could lead to the development of much more efficient survey protocols than are possible using traditional survey techniques.
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