Measuring avian bill size: comparing and evaluating 3D surface scanning with traditional size estimates in Australian birds
Notice bibliographique
Résumé
Unidimensional measurements for estimating bill size, like length and width, are commonly used in ecology and evolution, but can be criticised due to issues with repeatability and accuracy. Furthermore, formula‐based estimates of bill surface area tend to assume uniform bill shapes across species, which is rarely the case. 3D surface scanning can potentially help overcome some such issues by collecting detailed external morphology and direct measurements of surface area, rather than composite estimates of size. Here, we evaluate the use of 3D surface scanners on avian museum specimens to test the repeatability of 3D‐based measurements and compare these to traditional formula‐based methods of estimating bill size from unidimensional measurements. Using 28 Australian bird species, we investigate inter‐observer repeatability of surface area measurements from 3D surface scans. We then compare 3D‐based size estimates to formula‐based size estimates to infer the accuracy and precision of formula‐based measurements of bill surface area. We find that morphometric measurements from 3D surface scans are highly repeatable between observers, without the need for extensive training, demonstrating an advantage over unidimensional measuring methods, like callipers. When comparing 3D‐based measurements to formula‐based estimates of bill surface area, most formulae for estimating size consistently underestimate surface area, and with considerable variation between species. Where 3D scanning is not possible, we find that a commonly used cone formula for estimating bill size is most precise across diverse bill shapes, therefore supporting its use in interspecific contexts. However, we find that incorporating an additional unidimensional measure of bill curvature into formulae improves the accuracy of the calculated area. Our results reveal the high potential for 3D surface scanners in avian morphometric research, especially for studies necessitating large sample sizes collected by multiple observers, and gives suggestions for formula‐based approaches to estimate bill size.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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 ».