一个简单的框架来最大限度地提高摄像头陷的检测,使用实验试验
Philip D DeWitt1, Amy G Cocksedge2
1Science and Research Branch, Ministry of Natural Resources and Forestry, 300 Water Street, Peterborough, Ontario, K9J 3C7, Canada. dewitt.ecology@gmail.com.
Environmental monitoring and assessment
|October 27, 2023
概括
由于距离和动物大小的影响,摄像头陷检测错误可能会导致野生动物数据偏差. 这项研究提供了一个框架,以提高摄像头陷的准确性,以便更好地进行生态研究和保护工作.
科学领域:
- 生态生态学 生态生态学
- 野生动物生物学 野生动物生物学
- 保护技术 保护技术
背景情况:
- 由于错过了动物检测,相机陷数据可能会被偏差,特别是被动红外传感器.
- 检测准确性取决于传感器能力和动物特征之间的相互作用.
- 优化摄像头陷部署需要了解这些检测局限性.
研究的目的:
- 开发和介绍一个一般的实验框架,用于评估摄像头陷检测错误.
- 量化距离,摄像机模型,镜头高度和角度对不同尺寸哺乳动物检测概率的影响.
- 为改善摄像头陷研究的设计和分析提供一种方法.
主要方法:
- 适应距离采样模型以估计检测概率.
- 进行了不同距离,相机型号,镜头高度和垂直角度的实验.
- 在代表不同生物群体中小型,中型和大型哺乳动物的代理器上测试检测.
- 使用半正常物流混合模型来解释检测概率.
主要成果:
- 在距离相机6米之外,检测概率显著下降.
- 动物体型和摄像机模型是介导距离对检测影响的关键因素.
- 所有实验共变量 (距离,摄像机型,镜头高度,垂直角度) 都影响了检测概率.
- 太阳的位置可以引入未建模的异质性和偏差推断.
结论:
- 一个强大的实验和分析框架存在,用于评估摄像头陷检测概率.
- 了解检测异质性对于准确的野生动物种群估计至关重要.
- 该框架有助于优化摄像头陷协议和生态研究中的资源分配.
