Estimating effective survey duration in camera trap distance sampling surveys
Notice bibliographique
Résumé
Among other approaches, camera trap distance sampling (CTDS) is used to estimate animal abundance from unmarked populations. It was formulated for videos and observation distances are measured at predetermined 'snapshot moments'. Surveys recording still images with passive infrared motion sensors suffer from frequent periods where animals are not photographed, either because of technical delays before the camera can be triggered again (i.e. 'camera recovery time') or because they remain stationary and do not immediately retrigger the camera following camera recovery time (i.e. 'retrigger delays'). These effects need to be considered when calculating temporal survey effort to avoid downwardly biased abundance estimates. Here, we extend the CTDS model for passive infrared motion sensor recording of single images or short photo series. We propose estimating 'mean time intervals between triggers' as combined mean camera recovery time and mean retrigger delays from the time interval distribution of pairs of consecutive pictures, using a Gamma and Exponential function, respectively. We apply the approach to survey data on red deer, roe deer and wild boar. Mean time intervals between triggers were very similar when estimated empirically and when derived from the model-based approach. Depending on truncation times (i.e. the time interval between consecutive pictures beyond which data are discarded) and species, we estimated mean time intervals between retriggers between 8.28 and 15.05 s. Using a predefined snapshot interval, not accounting for these intervals, would lead to underestimated density by up to 96% due to overestimated temporal survey effort. The proposed approach is applicable to any taxa surveyed with camera traps. As programming of cameras to record still images is often preferred over video recording due to reduced consumption of energy and memory, we expect this approach to find broad application, also for other camera trap methods than CTDS.
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 | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».