Although many tropical countries have functional wind farms, most of the information on their impact on bat populations has come from temperate zones. Our study is based on a 5-year study (2009–2013) of bat captures using mist nets, acoustic recordings, and carcass searches at a wind farm in tropical southern Mexico. We investigated the composition of bat species, estimated the number of bat fatalities per turbine, and assessed the effect of the spatial attributes of vegetation cover near turbines on numbers of bat carcasses recovered by trophic guild. We recorded 29 bat species at the wind farm. The family Phyllostomidae was best represented in terms of number of species and individuals captured. Glossophaga soricina and G. morenoi exhibited the highest relative abundance, whereas Balantiopteryx plicata had the highest acoustic activity. We found 203 carcasses, including 73 Pteronotus davyi individuals (35.9%); other frequent species were Mormoops megalophylla, Molossus sinaloae, and Lasiurus intermedius. The total number of carcasses found within a year ranged from 17 to 83 (2012 and 2009, respectively), with the corrected estimates ranging from 410 to 1,980, or 4.18–20.20 fatalities/turbine. The number of carcasses recorded was positively correlated with secondary vegetation surrounding turbines but negatively correlated with agricultural fields. The spatial attributes of vegetation surrounding turbines influenced numbers of bat carcasses differentially depending on the bats’ trophic guild and habitat use. Contrary to findings from United States and Canadian wind farms, most of the carcasses observed in our study were resident species. Notably, the most commonly captured and acoustically active species were not the most commonly found in carcass searches. To obtain more accurate information about the most vulnerable species and how to reduce the impact on bat mortality, we advise the use of alternative monitoring methods in pre-construction studies. Aunque muchos países tropicales han promovido el establecimiento de parques eólicos en sus territorios, mucha de la información referente al impacto de esta actividad sobre las poblaciones de murciélagos proviene de zonas templadas. Usando datos de 5 años (2009–2013) de muestreos con redes de niebla, grabaciones acústicas, y búsquedas de cadáveres en un parque eólico al sur del trópico mexicano, investigamos la composición de especies de murciélagos, estimamos el número de cadáveres/turbina y evaluamos el efecto de los atributos espaciales de la vegetación que rodea a las turbinas sobre el número de cadáveres de murciélagos por gremio trófico. Registramos 29 especies de murciélagos en el parque, la familia Phyllostomidae fue la mejor representada en cuanto al número de especies e individuos capturados. Glossophaga soricina y G. morenoi fueron las especies con mayor abundancia relativa, mientras que Balantiopteryx plicata fue la especie con mayor actividad acústica. Se registraron 203 cadáveres de murciélagos en el parque eólico, el 35.9% pertenecían a Pteronotus davyi, otras especies frecuentes fueron Mormoops megalophylla, Molossus sinaloae y Lasiurus intermedius. El número total de cadáveres encontrado va de 17 a 83 (2012 y 2009 respectivamente), mientras que la estimación corregida va de 492–1,980, o 4.18–20.20 cadáveres/turbina. La cantidad de cadáveres estimada para los 5 años combinados es de 4,782. El área ocupada por vegetación secundaria alrededor de los aerogeneradores se relacionó significativa y positivamente con el número de cadáveres registrados. Nuestros resultados también indican que la ubicación de los aerogeneradores afecta de forma diferencial a las especies de murciélagos según sus gremios tróficos y uso de hábitat. Contrario a lo encontrado en parques eólicos de Estados Unidos y Canadá, los cadáveres de murciélagos registrados en el parque eólico tropical son de especies residentes, incluyendo aquellas que forman grandes colonias. Ya que algunas de las especies frecuentemente registradas en las redes y acústicamente, no fueron las que se encontraron frecuentemente en los cadáveres, sugerimos diversificar los métodos de monitoreo en estudios de pre-construcción para identificar las especies más vulnerables y tomar acciones que reduzcan el impacto sobre sus poblaciones.
Large quantiles of extreme value distributions are useful to assess the risk of environmental disasters. Profile likelihood intervals of quantiles are shown here to be optimal for samples of sizes of n ≥ 50. However, they are seldom used, notwithstanding their reasonable coverage frequencies. In contrast, asymptotic maximum likelihood confidence intervals are often used for any sample size, despite their poor coverage frequencies for moderate and small samples and their tendency to underestimate the quantile of interest. Using these intervals may have dangerous consequences in environmental applications. Calibrated interpolated bootstrap intervals have also been considered a good option for estimating quantiles of extreme value distributions but have not been compared before with profile likelihood intervals. Coverage frequencies of these three types of intervals for large quantiles are compared here through simulations for small and moderate sample sizes. The restricted likelihood function was used successfully to overcome the alleged maximum likelihood estimation problems cited in literature that arise with some Weibull and generalized extreme value distributions. Two rainfall datasets are discussed where the profile likelihood intervals were valuable tools for assessing the risk of disasters.Key words restricted likelihood function; quantile estimation; unbounded Weibull likelihood functions Optimalité des intervalles de vraisemblance profilée des quantiles de la distribution des valeurs extrêmes: application aux catastrophes environnementales Résumé Les quantiles supérieurs des distributions des valeurs extrêmes sont utiles pour évaluer les risques de catastrophe environnementale. On montre ici que les intervalles de vraisemblance profilée des quantiles sont optimaux pour les échantillons de tailles de n ≥ 50. Ils sont cependant rarement utilisés, malgré leurs fréquences de couverture raisonnables. En revanche, les intervalles de confiance du maximum de vraisemblance asymptotique sont souvent utilisés pour toutes tailles d'échantillon, en dépit de leurs médiocres fréquences de couverture pour les petits et moyens échantillons et de leur tendance à sous-estimer le quantile d'intérêt. L'utilisation de ces intervalles peut avoir des conséquences dangereuses pour les applications environnementales. Des intervalles rééchantillonnés (bootstrap) interpolés et calés ont également été considérés comme une bonne option pour l'estimation des quantiles des distribution de valeurs extrêmes, mais n'ont pas été auparavant comparés avec des intervalles de vraisemblance profilée. Nous avons comparé les fréquences de couverture de ces trois types d'intervalles pour les quantiles supérieurs grâce à des simulations d'échantillons de petites et moyennes tailles. La fonction de vraisemblance restrainte a été utilisée avec succès pour surmonter les problèmes présumés d'estimation de vraisemblance maximale cités dans la littérature qui se posent avec certaines distributions de Weibull et des valeurs extrêmes généralisées. Deux ensem...
En este trabajo se muestran aplicaciones de redes neuronales para clasificar patrones. Se explicará la estructura de una red neuronal artificial, el gradiente descendente y el algoritmo de backpropagation. Se exhibirá cómo se ajustan redes neuronales a datos encontrados en la literatura, haciendo uso de la función sigmoide logístico y la función sigmoide arcotangente, considerando capas ocultas y variando el número de neuronas ocultas; además se muestran tablas de confusión para comparar la clasificación de las redes neuronales.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.