Zoo soundscape: Daily variation of low‐to‐high‐frequency sounds
Notice bibliographique
Résumé
Abstract Most studies assessing the impact of noises on zoo animal welfare did not measure sound frequencies outside of the human‐hearing range (infrasounds and ultrasounds). Many nonhuman mammals can hear these frequencies, and because loud and variable soundscapes are potentially detrimental for animal welfare, this overlooked aspect of their acoustic environment could have important consequences. This study evaluated the soundscape of an urban zoo in a large frequency range (17.5–90,510 Hz) by measuring its average sound levels (L eq ) and variability (the difference between highest and lowest peaks). Sound data were collected for 24 hr in 25 locations (e.g., indoor, outdoor, near the amusement park). The soundscape was not considered problematic for animal welfare when looking at the average sound levels in most locations (<77‐dB sound pressure level [SPL]), except for a few indoor areas and near the water park. Ultrasounds were rare, had low average sound levels, and were less variable in time. Infrasounds were always present and were the loudest and most variable sound frequencies. The soundscape was louder and more variable during the day and when visitors were present, suggesting that human‐related activities were the sources of these augmentations. Indoor environments were generally louder than outdoor environments and touristic features; however, the water park was near 85‐dB SPL during the day. On the basis of results, we suggest a series of mitigation actions to minimize noise‐related stress in captive animals.
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 ».