Too many to count: Using orthophotography to census an unharvested beaver (<i>Castor canadensis</i>) population in Ontario
Notice bibliographique
Résumé
Abstract Various methods exist to monitor wildlife populations and estimate trends in their distribution and abundance. For American beaver ( Castor canadensis ), aerial surveys provide a means to obtain abundance data over large areas and typically involve observers searching watercourses and shorelines for active beaver presence. Here, we describe a systematic aerial photographic census we designed and executed in autumn to quantify annual beaver colony abundance on the 184‐km 2 Michipicoten Island, Ontario, from 2015 to 2019. Aerial photographs were stitched together into orthophotomosaics after each census and visually searched for beaver food caches, with each food cache representing an independent beaver colony. Our methods revealed that beaver colony abundance declined substantially from a peak of 6.1 colonies/km 2 in 2015, the highest reported across North America, to 0.4 colonies/km 2 in 2018. Beaver abundance remained low through 2019. Although photographing the entire isolated study area required relatively little time and effort, even when beaver density was very high, post‐census processing work was time‐consuming. Lessons learned will improve efficiencies of our future censuses and aid other researchers. Our method is advantageous over traditional aerial wildlife surveys in that it provides a digital and visual record that can be used for additional analyses.
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 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) | 0,005 | 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 tête enseignante, 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 ».