Accurate prediction of olive‐sided flycatcher breeding status using song rate measured with autonomous recording units
Notice bibliographique
Résumé
Abstract Autonomous recording units (ARUs) are recognized for their use in detecting vocalizing bird species to assess presence, occupancy, and density, but their potential to monitor reproductive status of individuals and reproductive rates is not well known. We investigated whether song rates derived from ARU data, when combined with the known date, can be used to predict the proportion of male songbirds in 3 breeding status classes (single, paired, and feeding young). We monitored breeding status with weekly field visits and collected daily ARU recordings at 46 olive‐sided flycatcher ( Contopus cooperi ) breeding territories in northwestern Canada in 2016–2017. We tested 4 variations of a hierarchical multinomial regression model that used time of day, day of year, and song rate derived from 2‐minute recordings to predict breeding status, and evaluated models using a novel, likelihood‐based approach. We found the top model correctly estimated 79% of the observed proportions of birds in each breeding status across the length of the breeding season. Although date was the primary predictor of breeding status, singing rate reduced some of the uncertainty and provided more accurate estimates for a given time. A major challenge to prediction accuracy and data interpretation was accounting for bird movement and the associated impact on detection, which we partly addressed by limiting our study to individuals who were detected on at least 30% of ARU sampling days. We demonstrate that ARUs can be used to assess breeding status in a cryptic, low‐density species at risk such as the olive‐sided flycatcher, suggesting this method could be applied to a wider range of species to better understand demographics and population dynamics, and inform management decisions, for bird species of concern.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».