Paired sampling standardizes point count data from humans and acoustic recorders
Standardisation de données de points d'écoute issus d'échantillons appariés d'observateurs et d'enregistrements acoustiques

Steven L. Van Wilgenburg, Environment and Climate Change Canada, Canadian Wildlife Service
Péter Sólymos, Department of Biological Sciences, University of Alberta, Edmonton, Alberta, Canada
Kevin J. Kardynal, Science & Technology Branch, Environment and Climate Change Canada
Matthew D. Frey, Environment and Climate Change Canada, Canadian Wildlife Service

DOI: http://dx.doi.org/10.5751/ACE-00975-120113

Full Text: HTML   
Download Citation


Abstract

Acoustic recordings are increasingly used to quantify occupancy and abundance in avian monitoring and research. The recent development of relatively inexpensive programmable autonomous recording units (ARUs) has further increased the utility of acoustic recording technologies. Despite their potential advantages, persistent questions remain as to how comparable data are between ARUs and traditional (human observer) point counts. We suggest that differences in counts obtained from ARUs versus human observers primarily stem from differences in the effective detection radius of humans (EDRH) versus ARUs (EDRA). We describe how paired sampling can be used in conjunction with generalized linear (GLM) or generalized linear mixed models (GLMM) to estimate correction factors (δ) to remove biases between ARUs and traditional point counts. Furthermore, if human observers conduct distance estimation, we show that density estimates can be derived from single ARUs by estimating EDRA as a function of EDRH and δ, thus providing alternatives to more complicated and expensive approaches. We demonstrate our approach using data from 363 point count stations in 105 unique boreal study sites at which field staff conducted point count surveys that were simultaneously recorded by an ARU and later transcribed in the lab. Finally, we used repeated random subsampling of the data to split the data into model creation (70%) and validation (30%) subsets to iteratively estimate δ and validate density estimates from ARUs against densities calculated from human observers at the same independent validation locations. We modeled density of 35 species of boreal forest birds and show that incorporating δ in statistical offsets successfully removes systematic biases in estimated avian counts and/or density between human and ARU derived surveys. Our method is therefore easily implemented and will facilitate the integration of ARU and human observer point count data, facilitating expanded monitoring efforts and meta-analyses with historic point count data.

Résumé

Les enregistrements acoustiques sont de plus en plus utilisés pour quantifier l'occurrence et l'abondance dans le cadre de suivis et de recherches aviaires. Le développement récent d'unités d'enregistrement autonomes (ARU, pour autonomus recording units), programmables et plutôt bon marché a contribué à hausser l'utilité des technologies d'enregistrement acoustique. En dépit de leurs avantages possibles, des questions demeurent quant à la comparabilité des données issues de points d'écoute traditionnels (observateur humain) et d'ARU. Nous supposons que les différences obtenues entre les dénombrements issus d'ARU et ceux issus d'observateurs proviennent de différences dans le rayon de détection effectif (EDR, pour effective dectection radius) des humains (EDRH) comparativement à celui des ARU (EDRA). Nous décrivons de quelle façon un échantillonnage apparié peut être utilisé de pair avec des modèles linéaires généralisés ou linéaires généralisés à effets mixtes pour estimer les facteurs de correction (δ) permettant de supprimer les biais entre les points d'écoute traditionnels et ceux provenant d'ARU. De plus, si les observateurs doivent estimer les distances, nous montrons comment des estimations de densité peuvent être dérivées à partir de simples ARU, en estimant EDRA en fonction de EDRH et de δ, fournissant ainsi une alternative aux approches plus complexes et couteuses. Nous démontrons notre approche à partir de données provenant de 360 stations de point d'écoute localisées dans 105 sites d'étude boréaux, où du personnel de terrain a réalisé des dénombrements par point d'écoute qui ont été enregistrés simultanément par ARU et ensuite transcrits en laboratoire. Enfin, nous avons procédé par sous-échantillonnage aléatoire répété des données pour les séparer en sous-ensembles destinés à la création de modèles (70 %) ou à la validation (30 %) afin d'estimer δ de façon itérative et de valider les estimations de densité obtenues au moyen d'ARU comparativement à celles calculées à partir des données récoltées par des observateurs aux mêmes sites indépendants de validation. Nous avons modélisé la densité de 35 espèces d'oiseaux de forêt boréale et montrons que l'incorporation de δ dans les compensations statistiques enlève correctement les biais systématiques des estimations de dénombrements aviaires et/ou de densités trouvés entre les relevés faits par des observateurs et ceux obtenus au moyen d'ARU. Notre méthode est simple à utiliser, facilite l'intégration de données de points d'écoute issus d'observateurs et d'ARU, et permettra des efforts de suivi plus grands et des méta-analyses avec des données de point d'écoute historiques.

Key words

ARU; autonomous recording unit; avian monitoring; bioacoustics; detection probability; detection radius; point count; survey bias

Copyright © 2017 by the author(s). Published here under license by The Resilience Alliance. This article  is under a Creative Commons Attribution-NonCommercial 4.0 International License.  You may share and adapt the work for noncommercial purposes provided the original author and source are credited, you indicate whether any changes were made, and you include a link to the license.

Avian Conservation and Ecology ISSN: 1712-6568