Noise from four types of extractive energy infrastructure affects song features of Savannah Sparrows
Notice bibliographique
Résumé
Human activities change the acoustic environment in many settings around the world. These changes are complex, as different anthropogenic sound sources create different acoustic profiles; therefore, some sound sources may have greater impacts on wildlife than others. Animals may adapt to these altered acoustic environments by adjusting their vocalizations. In the case of bird song, this may be achieved by adjusting the whole song, which may preserve the spectral and temporal relationships between successive syllables, or by adjusting components (syllables) within the song. Determining which syllables are adjusted may help to elucidate the mechanisms, benefits, and limitations of song plasticity. We examined the effects of conventional industrial infrastructure used to extract shallow natural gas and petroleum (natural gas compressor stations, generator-powered oil well pumpjacks, power grid–powered oil well screw pumps, and generator-powered oil well screw pumps), compared with quiet control sites, on 15 variables describing the acoustic properties of whole songs and syllables of Savannah Sparrows (Passerculus sandwichensis). Changes in acoustic properties varied with syllable and infrastructure type; most effects occurred at generator-powered screw pump sites, the loudest type of infrastructure that we studied. We found no effects of infrastructure on whole song variables, but song minimum frequency increased with ambient background noise. We found differing effects of infrastructure type on individual syllable types, with alterations in frequencies, tonalities, and syllable durations. This suggests that some syllables may be more plastic in their response than others, which may allow Savannah Sparrows to adapt their communication in altered acoustic environments.
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 | 0,001 | 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 ».