Passive acoustic monitoring as a tool for retroactively assessing range boundaries of cryptic species
Notice bibliographique
Résumé
When one species is split into two, basic questions arise about where the newly-recognized species occur and where they come into contact. Large and growing archives of passive acoustic monitoring data are an untapped resource for cheaply and efficiently resolving the distributions of vocal species facing taxonomic splits. We used recordings from regions of allopatry to analyze the distinctiveness of two subspecies of Warbling Vireo that have been suggested as different species (Vireo gilvus gilvus and Vireo gilvus swainsoni). We then trained and tested a boosted regression tree and two human observers on the acoustic classification of the songs and re-classified 221 recordings from passive acoustic monitoring in Alberta, Canada, which had been initially identified to the level of species. Analyses from allopatry showed that songs of the two Warbling Vireo taxa were statistically distinct in 10 of 11 acoustic variables, showed quantitative divergence scores consistent with recognized species, and were classifiable with 93–100% accuracy. When existing passive acoustic monitoring data were re-classified, clear geographic patterns emerged, with little to no overlap in the distributions of the two taxa. Our results highlight the potential for passive acoustic monitoring data to be used to map the distributions of taxa facing taxonomic revision. If data from these monitoring programs can be permanently stored and made available for research, they can allow efficient assessments of the distributions of cryptic species without the need for dedicated field work.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».