Designing line transect surveys for complex survey regions
Notice bibliographique
Résumé
Line transect surveys are widely used to estimate the density and/or size of cetacean populations. Good survey design is essential for obtaining reliable results using standard (design-based) analysis methods. Even for more complex (model-based) analysis methods, a good survey design is valuable. A ‘good’ design is one (a) that employs randomisation in laying out transects; (b) that is stratified if density is known to vary on a large scale; (c) where each location within a stratum has an equal probability of being surveyed (uniform coverage probability); (d) that produces an even distribution of transects throughout each stratum (e.g. systematic random designs); (e) that produces at least 10-20 transects per stratum; (f) that, given the previous points, gives maximum efficiency per unit effort – for example by minimising time spent travelling between survey lines (off-effort time). We discuss strategies for creating good designs given the constraints inherent in many shipboard surveys of cetaceans: severely limited ship time and complex topography. We advocate the use of computer software, such as the program Distance, to create designs and compare their properties using simulation. We provide a link between the concepts and their implementation through a concrete example of survey design: a multi-species survey of cetaceans in coastal British Columbia. The design uses an equally spaced zig-zag configuration of transects in more open strata combined with sub-stratification to minimise off-effort time. In the highly convex inshore stratum we develop a systematic cluster sampling algorithm, and within the selected clusters use a systematic parallel line layout to ensure equal coverage probability in the long, narrow fjords. To aid those wishing to learn automated design methods, we provide Distance project files online.
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 | 0,012 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».