MétaCan
Menu
Retour à la cohorte
Enregistrement W4408383341 · doi:10.1111/2041-210x.70008

One size does not fit all: A novel approach for determining the Realised Viewshed Size for remote camera traps

2025· article· en· W4408383341 sur OpenAlexafffund
Brendan M. Carswell, Tal Avgar, Garrett M. Street, Sean P. Boyle, Eric Vander Wal

Notice bibliographique

RevueMethods in Ecology and Evolution · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueVideo Surveillance and Tracking Methods
Établissements canadiensUniversity of AlbertaUniversity of CalgaryUniversity of British Columbia, Okanagan CampusUniversity of British ColumbiaMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaParks CanadaManitoba Hydro
Mots-clésViewshed analysisRemote sensingEnvironmental scienceComputer scienceGeographyComputer graphics (images)

Résumé

récupéré en direct d'OpenAlex

Abstract 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 inclusive place‐based wildlife management. From advances in analytics and technology, CT‐based density estimates of wildlife are 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. 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 (vegetation structure, ambient temperature, speed of subject and time of day), in addition to internal factors from CTs themselves (sensitivity settings, number of photographs 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 for use in the denominator of photograph‐based Random Encounter Staying Time (REST) or Time in Front of Camera (TIFC) estimators. We found that RVS values are heavily influenced by location‐specific environmental factors (vegetation structure), technological delays associated with CTs themselves, (refractory period) and internal CT settings. RVS values computed using our methodology are substantially smaller than viewshed sizes reported values in the literature. Imprecision surrounding CT viewshed areas propagate 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 contributing 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,944
Score d'incertitude au seuil0,657

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,076
Tête enseignante GPT0,392
Écart entre enseignants0,315 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMethods in Ecology and EvolutionMême sujetVideo Surveillance and Tracking MethodsTravaux en français237 207