Warm beach, warmer turtles: Using drone-mounted thermal infrared sensors to monitor sea turtle nesting activity
Notice bibliographique
Résumé
For decades sea turtle projects around the world have monitored nesting females using labor-intensive human patrolling techniques. Here we describe the first empirical testing of a drone-mounted thermal infrared sensor for nocturnal sea turtle monitoring; on the Osa peninsula in Costa Rica. Preliminary flights verified that the drone could detect similar sea turtle activities as identified by on-the-ground human patrollers – such as turtles, nests and tracks. Drone observers could even differentiate tracks of different sea turtle species, detect sea turtle hatchlings, other wildlife, and potential poachers. We carried out pilot flights to determine optimal parameters for detection by testing different thermal visualization modes, drone heights, and gimbal angles. Then, over seven nights, we set up a trial to compare the thermal drone and operators’ detections with those observed by traditional patrollers. Our trials showed that thermal drones can record more information than traditional sea turtle monitoring methods. The drone and observer detected 20% more sea turtles or tracks than traditional ground-based patrolling (flights and patrols carried out across the same nights at the same time and beach). In addition, the drone operator detected 39 other animals/predators and three potential poachers that patrollers failed to detect. Although the technology holds great promise in being able to enhance detection rates of nesting turtles and other beach activity, and in helping to keep observers safer, we detail challenges and limiting factors; in drone imagery, current cost barriers, and technological advances that need to be assessed and developed before standardized methodologies can be adopted. We suggest potential ways to overcome these challenges and recommend how further studies can help to optimize thermal drones to enhance sea turtle monitoring efforts worldwide.
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 | 0,000 | 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 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 ».