Factors associated with automated detection of Northern Spotted Owl (Strix occidentalis caurina) four-note location calls
Facteurs associés à la détection automatisée des cris de contact à quatre notes de la Chouette tachetée du Nord (Strix occidentalis caurina)

Matthew E Hane, Weyerhaeuser, Eugene, Oregon, United States
Jamie E Thornton-Frost, Weyerhaeuser, Seattle, Washington, United States
Aaron Springford, Cytel, Toronto, Ontario, Canada
Andrew J Kroll, Weyerhaeuser, Eugene, Oregon, United States

DOI: http://dx.doi.org/10.5751/ACE-02105-170126

Full Text: HTML   
Download Citation


Abstract

Automated signal detection of passive acoustic data produces enormous amounts of data that requires efficient processing. Furthermore, processed data requires assessment to ensure correct categorization of sounds to match field observations. Failure to compare data directly may lead to inaccurate estimates of occupancy state or population status and contribute to sub-optimal management decisions. We evaluated three automated detection methods for Northern Spotted Owl (Strix occidentalis caurina) four-note location calls at two sites representing vegetational and topographic conditions common to Northern Spotted Owl sites in western Oregon, United States. Our results indicated that the detection distance, resulting areal coverage, and occupancy status all varied with site, call broadcast direction, and software used for analysis. A machine learning algorithm (convolutional neural network) built specifically for detection of Northern Spotted Owl performed better at determining occupancy than two commercially developed software packages. At distances less than 250 m, the convolutional neural network correctly identified occupancy in more than 73% of trials and both commercial methods correctly identified occupancy in less than 60% of trials. Areal coverage was a function of distance from source to microphone, location of the source relative to the microphone, and method of call analysis. Calls broadcast toward the microphones were more likely to be detected than calls broadcast away from the microphones. Our results, although limited in scope, suggest that detection distance merits extended evaluation before autonomous recording units are deployed broadly as replacements for human observers.

Résumé

La détection automatisée des signaux de données acoustiques passives engendre un nombre énorme de données qui nécessitent un traitement efficace. De plus, les données traitées doivent être évaluées pour que l’on s’assure de la véracité de la catégorisation des sons et de la correspondance avec les observations réalisées sur le terrain. L’absence de comparaison directe des données peut conduire à des estimations inexactes de la présence ou du statut de la population et contribuer à la prise des décisions de gestion sous-optimales. Nous avons évalué trois méthodes de détection automatisée des cris de contact à quatre notes de la Chouette tachetée du Nord (Strix occidentalis caurina) à deux sites représentant des conditions de végétation et de topographie communes aux sites occupées par la Chouette tachetée du Nord dans l’ouest de l’Oregon, aux États-Unis. Nos résultats indiquent que la distance de détection, la couverture de l’aire et le statut d’occupation varient selon le site, la direction des cris et le logiciel utilisé pour l’analyse. Un algorithme d’apprentissage automatique (réseau neuronal à convolution) conçu spécifiquement pour la détection de la Chouette tachetée du Nord a donné de meilleurs résultats que deux logiciels commerciaux pour déterminer sa présence. À des distances inférieures à 250 m, le réseau neuronal à convolution a correctement déterminé la présence dans plus de 73 % des essais tandis que les deux méthodes commerciales ont correctement déterminé la présence dans moins de 60 % des essais. La couverture de l’aire était fonction de la distance entre la source et le microphone, de l’emplacement de la source par rapport au microphone et de la méthode d’analyse des cris. Les cris émis en direction des microphones avaient plus de chances d’être détectés que les cris émis dans la direction opposée aux microphones. Nos résultats, bien que de portée limitée, laissent entendre que la distance de détection mérite une évaluation approfondie avant qu’on ne déploie des enregistreurs automatiques à grande échelle destinés à remplacer les observateurs humains.

Key words

ARUs; detection distance; passive acoustic monitoring; Northern Spotted Owl (Strix occidentalis caurina)

Copyright © 2022 by the author(s). Published here under license by The Resilience Alliance. This article is under a Creative Commons Attribution 4.0 International License. You may share and adapt the work 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