Large‐scale bioacoustic monitoring to elucidate the distribution of a non‐native katydid
Notice bibliographique
Résumé
Abstract For animals that produce species‐specific audible sounds, environmental recordings combined with automated acoustic monitoring software (passive acoustic monitoring [PAM]) may be an effective monitoring tool because it allows audio data from many, widely distributed autonomous recording units (ARUs) to be processed in a relatively short period of time. Males of many insect species produce loud, species‐specific mating songs, yet acoustic insects have received less attention from PAM relative to vertebrates. We evaluated the use of PAM to monitor, Roeseliana roeselii (Orthoptera, Tettigoniidae), an acoustic insect that has expanded its range to Alberta, Canada, far outside its naturalized North American range. We analysed environmental recordings from ARUs: (1) at two control sites known to be occupied by R. roeselii and (2) across Alberta established by the Alberta Biodiversity Monitoring Institute (ABMI) to search for new populations. PAM successfully detected R. roeselii at the two control sites, but not at any of the 73 ABMI sites that we analysed. Despite the failure to detect new locations of R. roeselii , our analysis of ABMI environmental recordings detected several other species of acoustic insects, including Orchelimum gladiator , Gryllus sp. and Allonemobius spp. Our results add to the growing body of work showing the feasibility of using PAM for acoustic insects. We make suggestions for how to maximize the effectiveness of this monitoring tool for the conservation and management of singing insects in North America.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».