Underwater Noise Measurement Station for Vessels in the Salish Sea
Notice bibliographique
Résumé
A collaborative project between Port Metro Vancouver, Transport Canada, Ocean Networks Canada (ONC) and JASCO Applied Sciences (Canada) Ltd., has installed an underwater listening station along the northbound (incoming) shipping route to Burrard Inlet. This system is designed to characterize the acoustic emissions of large numbers of vessels that transit a predefined source measurement track. The results are important for assessing marine fauna exposures to noise throughout the Salish Sea and for designing possible vessel noise mitigation strategies. The underwater listening station consists of two AMAR Observer systems from JASCO Applied Sciences, connected to ONC’s VENUS East Node underwater observatory. Each AMAR Observer can accurately track vessels and simultaneously measure vessel sound levels using tetrahedral hydrophone arrays. Further vessel tracking information is provided by a dedicated vessel Automatic Identification System (AIS) installed by ONC. Acoustic data are digitized at 64 kHz on all 8 hydrophone channels, producing a large amount of data (1.5 MB per second). ONC’s East Node also collects salinity, temperature, and water current data. All acoustic and oceanographic data are transmitted in real-time over the VENUS network to ONC’s shore-based storage and high-performance-computer processing systems at University of Victoria. There, JASCO’s automated acoustic software analyzes the data and produces source level measurement reports for each vessel pass. The acoustic range has additional capabilities, including the automatic detection of marine mammal calls and measurement of ambient noise levels. In this presentation we will outline the technical design of the underwater listening station and we will discuss the purpose of these measurements and their relevance for assessing vessel noise in the Salish Sea.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».