Changes in Fish Catch Rates in the Presence of Air Gun Sounds in Prudhoe Bay, Alaska
Notice bibliographique
Résumé
Air guns used in oil industry seismic surveys have the capacity to change fish catch rates, but no previous work has demonstrated this effect in shallow water or in Arctic oilfields. Long-term monitoring of fish catches using four fyke nets allowed assessment of changes in catch rates during a 2014 seismic survey in Prudhoe Bay, Alaska. Fyke net locations were instrumented with both conventional hydrophones and vector sensors. Catch rates were generally within the range of those found in 27 previous sampling seasons. The effect of air guns on eight species was assessed using a modified Before-After/Control-Impact analysis, with historical data and 2014 data as the Before-After components of the analysis and days without and with air gun activity as the Control-Impact components. Results showed significant changes associated with air guns in catch rates at one or more nets at p < 0.1 for all eight species and at p < 0.05 for seven of the eight. Changes included both increased and decreased catch rates, perhaps reflecting displacement of fish in response to air gun sounds throughout the study area. Measured sound pressure levels associated with air gun pulses were low and usually undetectable close to the fyke nets, reflecting the loss of low frequencies in shallow water (~1.5 m). Attempts to measure particle velocities failed when wind-driven surface waves overwhelmed vector sensors. However, fish responses may have been related to changes in particle motion associated with air gun sounds.
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) | 0,002 | 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 ».