MétaCan
Menu
Retour à la cohorte
Enregistrement W3174698781 · doi:10.1016/j.marpolbul.2021.112647

Spatiotemporal patterns in the natural and anthropogenic additions to the soundscape in parts of the Salish Sea, British Columbia, 2018–2020

2021· article· en· W3174698781 sur OpenAlexafffundabout
Rianna E. Burnham, Svein Vagle, Caitlin O’Neill

Notice bibliographique

RevueMarine Pollution Bulletin · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesFisheries and Oceans Canada
Mots-clésSoundscapeEnvironmental scienceOceanographyAbiotic componentPrecipitationUnderwaterNoise (video)EcosystemMarine ecosystemNatural (archaeology)StormAmbient noise levelSound (geography)EcologyGeologyGeographyMeteorologyBiology

Résumé

récupéré en direct d'OpenAlex

Passive acoustic recorders were deployed over two years (February 2018-March 2020) in the Salish Sea to monitor the underwater soundscape. Seasonal cycles and differences between the open Strait of Juan de Fuca and protected inner waterways were pervasive during this period. A comparison between natural and human-derived noise demonstrated the impact of anthropogenic activities on the sound field. Elevated ambient noise levels during winter resulted predominantly from greater sea states and storm events. Abiotic additions were defined through correlations to wind speed, wave and precipitation measures. Vessel noise was a pervasive anthropogenic addition; commercial vessel noise was consistently present, whereas smaller vessels showed weekly and diurnal patterns, especially during the summer when their presence increased. A better understanding of the different soundscape constituents, and when each dominates, is crucial to understanding the human impact on underwater ecosystems and the organisms within them, leading to more effective mitigation measures.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,136
Score d'incertitude au seuil0,273

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,205
Écart entre enseignants0,197 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMarine Pollution BulletinMême sujetMarine animal studies overviewTravaux en français237 207