Camera trap surveys of <scp>A</scp>tlantic <scp>F</scp>orest mammals: A data set for analyses considering imperfect detection (2004–2020)
Notice bibliographique
Résumé
Camera traps became the main observational method of a myriad of species over large areas. Data sets from camera traps can be used to describe the patterns and monitor the occupancy, abundance, and richness of wildlife, essential information for conservation in times of rapid climate and land-cover changes. Habitat loss and poaching are responsible for historical population losses of mammals in the Atlantic Forest biodiversity hotspot, especially for medium to large-sized species. Here we present a data set from camera trap surveys of medium to large-sized native mammals (>1 kg) across the Atlantic Forest. We compiled data from 5380 ground-level camera trap deployments in 3046 locations, from 2004 to 2020, resulting in 43,068 records of 58 species. These data add to existing data sets of mammals in the Atlantic Forest by including dates of camera operation needed for analyses dealing with imperfect detection. We also included, when available, information on important predictors of detection, namely the camera brand and model, use of bait, and obstruction of camera viewshed that can be measured from example pictures at each camera location. Besides its application in studies on the patterns and mechanisms behind occupancy, relative abundance, richness, and detection, the data set presented here can be used to study species' daily activity patterns, activity levels, and spatiotemporal interactions between species. Moreover, data can be used combined with other data sources in the multiple and expanding uses of integrated population modeling. An R script is available to view summaries of the data set. We expect that this data set will be used to advance the knowledge of mammal assemblages and to inform evidence-based solutions for the conservation of the Atlantic Forest. The data are not copyright restricted; please cite this paper when using the data.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».