Supplemental Results from: Using mobile acoustic monitoring and false-positive N-mixture models to estimate bat abundance and population trends
Notice bibliographique
Résumé
These data contain the supplementary results corresponding with the journal article: Using mobile acoustic monitoring and false-positive N-mixture models to estimate bat abundance and population trends by Udell et al. (2024) in Ecological Monographs. These results contain the findings from the North American Bat Monitoring Program's (NABat) "Summer Abundance Status and Trends" analyses which used mobile transect acoustic data for three species (tricolored bat, little brown bat, and big brown bat). Data from the entire summer season (May 1–Aug 31) were used in the modeling process. Here, tabular data for each species include predictions (with uncertainty) of relative abundance (and trends over time) in the summer maternity season (May1 - July 16) from 2012-2020. Predictions for status and trends are provided for each species at four different spatial resolutions: 1) across the modeled species ranges, 2) at the state or province level, 3) at the NABat grid cell (10km x 10km scale) level, and 4) for each sampled transect. Predictions were produced using an analytical pipeline supported by web-based infrastructure, Bayesian hierarchical modeling, and 'false-positive N-mixture model' framework which analyzed mobile transect acoustics to model the relative abundance distribution (and trends over time) of each species while accounting for imperfect detection and species misclassification. Tabular files provided include: 1) range-wide average relative abundance predictions by year for each species, 2) range-wide trends in average relative abundance for each species, 3) regional (state/province) average relative abundance by year for each species, 4) regional (state/province) trends in average relative abundance for each species, 5) grid cell-level predictions of relative abundance by year for each species, 6) grid cell-level trends (overall change from 2012-2020) for each species (one file per species), and 7) transect-level estimates of relative abundance by year for each species. Estimates include means, medians, standard deviations, and the 95% Bayesian credible intervals. These data can be cross-referenced to the 'knitted' NABat master sample for CONUS, Canada, and Alaska (NABat_grid_covariates.shp, which is available on ScienceBase).
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».