Experimentally derived detection distances from audio recordings and human observers enable integrated analysis of point count data
Dérivation expérimentale de distances de détection d'enregistrements audio et d'observateurs humains permettant l'analyse intégrée de points d'écoute

Daniel A. Yip, Department of Biological Sciences, University of Alberta
Lionel Leston, Department of Biological Sciences, University of Alberta
Erin M. Bayne, Department of Biological Sciences, University of Alberta
Péter Sólymos, Department of Biological Sciences, University of Alberta; Alberta Biodiversity Monitoring Institute
Alison Grover, Department of Biological Sciences, University of Alberta

DOI: http://dx.doi.org/10.5751/ACE-00997-120111

Full Text: HTML   
Download Citation


Abstract

Point counts are one of the most commonly used methods for assessing bird abundance. Autonomous recording units (ARUs) are increasingly being used as a replacement for human-based point counts. Previous studies have compared the relative benefits of human versus ARU-based point count methods, primarily with the goal of understanding differences in species richness and the abundance of individuals over an unlimited distance. What has not been done is an evaluation of how to standardize these two types of data so that they can be compared in the same analysis, especially when there are differences in the area sampled. We compared detection distances between human observers in the field and four commercially available recording devices (Wildlife Acoustics SM2, SM3, RiverForks, and Zoom H1) by simulating vocalizations of various avian species at different distances and amplitudes. We also investigated the relationship between sound amplitude and detection to simplify ARU calibration. We used these data to calculate correction factors that can be used to standardize detection distances of ARUs relative to each other and human observers. In general, humans in the field could detect sounds at greater distances than an ARU although detectability varied depending on species song characteristics. We provide correction factors for four commonly used ARUs and propose methods for calibrating ARUs relative to each other and human observers.

Résumé

Les points d'écoute sont une des méthodes les plus courantes pour évaluer l'abondance d'oiseaux. Les unités d'enregistrement autonomes (ARU, pour autonomus recording units) sont de plus en plus utilisées pour remplacer les points d'écoute réalisés par des observateurs. Les études antérieures ont comparé les avantages relatifs des dénombrements par point d'écoute faits par des observateurs comparativement à ceux réalisés au moyen d'ARU, principalement pour évaluer les différences de richesse spécifique et d'abondance sur une distance illimitée. Ce qui n'a pas été testé toutefois est comment standardiser ces deux types de données de façon à ce qu'elles soient comparables dans une même analyse, particulièrement lorsqu'il y a des différences d'aire échantillonnée. Nous avons comparé la distance de détection entre des observateurs sur le terrain et quatre enregistreurs commerciaux (Wildlife Acoustics SM2, SM3, RiverForks et Zoom H1), en simulant les vocalisations de diverses espèces aviaires à des distances et des amplitudes variées. Nous avons aussi exploré la relation entre l'amplitude du son et la détectabilité dans le but de simplifier la calibration d'ARU. Nous avons utilisé ces données afin de calculer des facteurs de correction servant à standardiser les distances de détection des ARU entre eux et avec les observateurs. En général, les observateurs sur le terrain pouvaient détecter des sons à des distances plus grandes que ne le faisaient les ARU, quoique la détectabilité variait selon les caractéristiques du chant des espèces. Nous fournissons des facteurs de correction pour quatre ARU couramment utilisés et proposons une méthode pour calibrer les ARU entre eux et avec les observateurs.

Key words

autonomous recording unit; bioacoustics; effective detection radius; maximum detection distance; 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