Identifying Modeled Ship Noise Hotspots for Marine Mammals of Canada's Pacific Region
Notice bibliographique
Résumé
The inshore, continental shelf waters of British Columbia (BC), Canada are busy with ship traffic. South coast waters are heavily trafficked by ships using the ports of Vancouver and Seattle. North coast waters are less busy, but expected to get busier based on proposals for container port and liquefied natural gas development and expansion. Abundance estimates and density surface maps are available for 10 commonly seen marine mammals, including northern resident killer whales, fin whales, humpback whales, and other species with at-risk status under Canadian legislation. Ship noise is the dominant anthropogenic contributor to the marine soundscape of BC, and it is chronic. Underwater noise is now being considered in habitat quality assessments in some countries and in marine spatial planning. We modeled the propagation of underwater noise from ships and weighted the received levels by species-specific audiograms. We overlaid the audiogram-weighted maps of ship audibility with animal density maps. The result is a series of so-called "hotspot" maps of ship noise for all 10 marine mammal species, based on cumulative ship noise energy and average distribution in the boreal summer. South coast waters (Juan de Fuca and Haro Straits) are hotspots for all species that use the area, irrespective of their hearing sensitivity, simply due to ubiquitous ship traffic. Secondary hotspots were found on the central and north coasts (Johnstone Strait and the region around Prince Rupert). These maps can identify where anthropogenic noise is predicted to have above-average impact on species-specific habitat, and where mitigation measures may be most effective. This approach can guide effective mitigation without requiring fleet-wide modification in sites where no animals are present or where the area is used by species that are relatively insensitive to ship noise.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».