MétaCan
Menu
Retour à la cohorte
Enregistrement W2519352234 · doi:10.1121/2.0000245

Effects of anthropogenic noise on fishes at the SGaan Kinghlas-Bowie Seamount Marine Protected Area

2016· article· en· W2519352234 sur OpenAlexafffundabout
Amalis Riera, Rodney A. Rountree, Xavier Mouy, John K. B. Ford, Francis Juanes

Notice bibliographique

RevueProceedings of meetings on acoustics · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensFisheries and Oceans CanadaUniversity of Victoria
Organismes subventionnairesFisheries and Oceans CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésSeamountFish <Actinopterygii>Noise (video)SoundscapeEnvironmental scienceUnderwaterFisheryAmbient noise levelBioacousticsHabitatSound (geography)Computer scienceOceanographyGeologyEcologyBiologyTelecommunicationsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Underwater noise from anthropogenic sources has been increasing dramatically for the past few decades and little is known about its effects on fishes. The objective of this study is to describe the occurrence and characteristics of fish sounds in the SGaan Kinghlas-Bowie Seamount Marine Protected Area (SK-B MPA, British Columbia, Canada) and to correlate them with the corresponding anthropogenic soundscape. Here we present preliminary results of the detection of fish sounds at SK-B MPA between July 2011 and July 2013. An automatic detector was used on nearly 40,000 acoustic samples (4,754.5 hours in total) to search for fish sounds. About 1.2% of the data were highlighted as containing fish-like signals. Manual verification of these detections revealed that 95.5% were false positives and the remaining sounds were of unknown origin. Eighty detections were highly stereotyped and are suspected to be produced by fish, but no identification has been confirmed yet. Systematic manual inspection of sub-sampled acoustic data is yet to be performed to determine if the detector missed any fish sounds. Future deployments should select areas based on the presence of known fish habitat occurrence, and install autonomous recorders optimized to reduce equipment self-noise and flow noise biases.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,374
Score d'incertitude au seuil0,847

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,009
Tête enseignante GPT0,213
Écart entre enseignants0,204 · 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'étudeExpérimental (laboratoire)
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

Citations4
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueProceedings of meetings on acousticsMême sujetMarine animal studies overviewTravaux en français237 207