Deriving an acoustic-based abundance estimate for porpoise species in Pacific Canadian waters
Notice bibliographique
Résumé
The Pacific Region International Survey of Marine Megafauna was conducted in the summer of 2018 to determine the distribution and abundance of cetaceans within the coastal and offshore waters of Canada. Tom Norris led the passive acoustic monitoring operations for this survey, and his Bio-Waves team of bioacousticians conducted 24-hour linear towed hydrophone array monitoring. Ocean Science Analytics worked in partnership with Bio-Waves, Inc. to conduct a post-processing analysis of this dataset and obtain an acoustic-based abundance estimate of porpoises by localizing individual click trains. Data were first re-processed in PAMGuard to reduce confounding noise and improve click classification. High-pass filters were used to reduce noise, and narrow-band, high-frequency (NBHF) echolocation clicks were up-sampled to improve the time delay measurement. The average peak frequency of clicks was used to determine their likely categorization as Dall’s (Phocoenoides dalli) or harbour (Phocoena phocoena) porpoise. Of the 90 NBHF clicks trains detected, 78 were categorized as Dall’s porpoise, and 56 yielded localizations. The resulting acoustic-based Dall’s porpoise abundance estimate (3967, CV 29%) was considerably lower than the visual-based estimate (27 002, CV 23%). We discuss possible reasons for this discrepancy and new insights into porpoise occurrence and distribution within the study area.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».