The relationship between anthropogenic light and noise in U.S. national parks
Notice bibliographique
Résumé
Abstract Context Natural sound and light regulate fundamental biological processes and are central to visitor experience in protected areas. As such, anthropogenic light and noise have negative effects on both wildlife and humans. While prior studies have examined the distribution and levels of light or noise, joint analyses are rarely undertaken despite their potentially cumulative effects. Objectives We examine the relationship between different types of anthropogenic light and noise conditions and what factors drive correlation, co-occurrences, and divergence between them. Methods We overlaid existing geospatial models of anthropogenic light and noise with landscape predictors in national parks across the continental U.S. Results Overlapping dark and quiet were the most common conditions (82.5–87.1% of park area), representing important refuges for wildlife and human experience. We found low correlation between anthropogenic light and noise (Spearman’s R < 0.25), with the exception of parks with a higher density of roads. Park land within urban areas had the highest probability of co-occurring high light and noise exposure, while park areas with divergent light and noise exposure (e.g., high light and low noise) were most commonly found 5–20 km from urban areas and in parks with roads present. Conclusions These analyses demonstrate that light and noise exposure are not always correlated in national parks, which was unexpected because human activities tend to produce both simultaneously. As such, mitigation efforts for anthropogenic light and noise will require efforts targeting site-specific sources of noise and light. Protecting and restoring sensory environments will involve constructive partnerships capable of reconciling diverse community interests.
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) | 0,001 | 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 ».