Evaluation of a drone to map and monitor critical habitat features for the Sage Thrasher (<i>Oreoscoptes montanus</i>)
Notice bibliographique
Résumé
Habitat destruction is the leading cause of global biodiversity loss. To recover endangered species requires knowing the habitat elements that are essential to their survival, defined as critical habitat. This paper demonstrates the application of unoccupied aerial vehicles (UAVs), for the recovery of habitat for endangered species. We establish a replicable methodology for surveying and monitoring potentially suitable nest shrubs for Sage Thrashers ( Oreoscoptes montanus) using an Aeryon SkyRanger. We trialed the methodology in winter when operational demands are minimal and before the birds return to breed. We found drone image analysis aligned well with field assessments of Artemisia tridentata height and may present a cost-efficient approach for mapping and monitoring critical habitat features for nesting Sage Thrashers. The UAV classification accuracy was 100% for nest shrubs and 85% for non-nest shrubs ( p-value < 0.001). We found the UAV-based method over-estimated the height of shrubs compared to the field-based measurements, where the 80 cm threshold for a suitable shrub corresponded to 73 cm as measured in the field (regression slope of 1.43, with an adjusted R 2 = 0.75, p-value < 0.0001). The approach also holds promise for other sagebrush steppe species of conservation 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 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 ».