One size does not fit all: a novel approach for determining the Realised Viewshed Size for remote camera traps
Notice bibliographique
Résumé
Abstract 1. Camera traps (CTs) have become cemented as an important tool of wildlife research, yet, their utility is now extending beyond academics, as CTs can contribute to more inclusive place-based wildlife management. From advances in analytics and technology, CT-based density estimates of wildlife is an emerging field of research. Most CT-based density methods require an estimate of the size of the viewshed monitored by each CT, a parameter that may be highly variable and difficult to quantify. 2. Here, we developed and tested a standardized field and analytical method allowing us to predict the probability of photographic capture as it varies within CT viewshed. We investigated how capture probability changes due to environmental influences, i.e., vegetation structure, ambient temperature, speed of subject, time of day, in addition to internal factors from CTs themselves, i.e., sensitivity settings, number of photos taken, and CT brand. We then summarize these spatial capture probability kernels into a Realised Viewshed Size (RVS)—the capture-probability corrected size of a CTs viewshed 3. We found that RVS values are heavily influenced by location-specific environmental factors, i.e., vegetation structure, technological delays associated with CTs themselves, i.e., refractory period, and internal CT settings, i.e., sensitivity, number of photographs taken. We also found that the RVS values computed using our methodology are substantially smaller than reported values in the literature. 4. Imprecision surrounding CT viewshed areas can create propagating bias when implementing CT-based density estimators. Our method can change how practitioners consider photographs for use in CT density estimators thus increasing the reliability of CT-based density estimation, and contribute to more accessible wildlife management practices.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 tête enseignante, 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 ».