Up in the air: drone images reveal underestimation of entanglement rates in large rorqual whales
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Entanglement in fishing gear is a significant threat to many cetaceans. For the 2 largest species, the blue whale Balaenoptera musculus and the fin whale B. physalus , reports of entangled individuals are rare, leading to the assumption that entanglements are not common. Studies of interaction with fisheries in other species often rely on the presence of scars from previous entanglements. Here, scar detection rates were first examined in humpback Megaptera novaeangliae , fin and blue whales using standard vessel-based photo-identification photographs collected between 2009 and 2016 in the Gulf of St. Lawrence, Canada. We then examined aerial images of fin whales collected with a drone in 2018 and 2019 and compared both methods. Entanglement rates were 6.5% for fin and 13.1% for blue whales using photo-identification images of individuals. Prominent scarring was observed around the tail and caudal peduncle, visible only when animals lifted those body sections above water when diving. For the small subset of pictures which captured the entire caudal peduncle, entanglement rates ranged between 60% for blue and 80% for fin whales. This result was similar to the 85% entanglement rate estimated in humpback whales. The assessment of aerial-based photography yielded an entanglement rate of 44.1 to 54.7% in fin whales. Scars were always around the peduncle, often the tail, rarely the dorsal fin and never around the pectoral fins, while the mouth cannot be examined from above. Thus, in species that do not regularly expose their tail or peduncle, aerial imagery is the preferred method to quantify entanglement rates by assessment of scars.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,003 | 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 découle