数据集概述
本数据集基于2017年3-7月在俄勒冈州和华盛顿州森林区域开展的被动声学监测项目，通过自主录音单元（ARUs）收集并分析约16万小时的录音数据，用于检测北斑林鸮和横斑林鸮的鸣声。数据记录了不同森林条件下两种猫头鹰的检测情况，以及环境噪声等影响因素，为评估被动声学监测在濒危物种监测中的应用价值提供支持。
文件详解
- Covariates.xlsx
- 文件格式：XLSX
- 字段映射介绍：包含与猫头鹰检测相关的协变量信息，可能涉及ARU布设位置、森林环境条件、环境噪声（雨、风、溪流）、已知巢穴距离、猫头鹰配对状态等影响检测概率的变量。
- Encounter_Histories.xlsx
- 文件格式：XLSX
- 字段映射介绍：记录猫头鹰物种的检测历史数据，可能包含不同监测站点、时间周期内北斑林鸮和横斑林鸮的出现与否（检测记录）、检测概率等信息。
数据来源
论文“Passive acoustic monitoring effectively detects Northern Spotted Owls and Barred Owls over a range of forest conditions”
适用场景
- 濒危物种监测：利用声学检测数据评估北斑林鸮种群分布及数量变化，支持濒危物种保护决策。
- 森林生态研究：分析不同森林条件下猫头鹰物种的栖息地利用情况，探究森林环境对物种生存的影响。
- 监测技术评估：验证被动声学监测（ARU）在野生动物调查中的有效性，对比传统标记重捕法的优势与局限性。
- 环境因素影响分析：研究环境噪声（雨、风、溪流）对声学检测概率的影响，优化监测方案设计。
- 物种竞争关系研究：结合横斑林鸮的检测数据，分析其对北斑林鸮生存的威胁及种间竞争机制。
