MétaCan
Menu
Retour à la cohorte
Enregistrement W1968732738 · doi:10.1121/1.3177276

Hydroacoustic measurements of the behavioral response of arctic riverine fishes to seismic airguns

2009· article· en· W1968732738 sur OpenAlexafffund
John K. Jorgenson, Eric C. Gyselman

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2009
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueUnderwater Acoustics Research
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesFisheries Joint Management Committee
Mots-clésHerdingFish <Actinopterygii>Noise (video)Sound (geography)ArcticEnvironmental scienceGeologyFront (military)OceanographyAcousticsFisherySeismologyComputer scienceGeographyBiologyPhysics

Résumé

récupéré en direct d'OpenAlex

Seismic surveys for hydrocarbon exploration in the Mackenzie River involve the use of airguns. Airguns produce a repetitive, intense, low-frequency sound that has the potential to cause physiological damage and behavioral changes in fishes. Some of these impacts have been documented in marine environments but few studies have been conducted in freshwater systems where the confining nature of the environment produces a different acoustic regime and could constrain possible fish response. In the current study, hydroacoustic surveys are conducted in the presence of airgun firing in the Mackenzie River to determine if fish behavior can mitigate or enhance the potential impact of this sound. It is shown that fish behavioral characteristics measured in this study are generally not changed by the presence of airgun noise. The most likely mechanism to facilitate a severe physiological effect in fishes from a mobile airgun firing is a herding response in front of the airgun, resulting in prolonged exposure to the noise. Analysis of tracked fish directional movement does not indicate that herding behavior occurs. Consequently, no evidence is found to indicate that fishes in this study would sustain severe physiological damage from this airgun seismic survey.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,447
Score d'incertitude au seuil0,354

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,038
Tête enseignante GPT0,280
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetUnderwater Acoustics ResearchTravaux en français237 207