The Efficacy of Management Measures to Reduce Vessel Noise in Critical Habitat of Southern Resident Killer Whales in the Salish Sea
Notice bibliographique
Résumé
The inland waters around southern Vancouver Island and northern Washington State, known as the Salish Sea, host critical habitat for endangered southern resident killer whales (SRKW). This is, however, a highly traversed area, with approaches to industrial ports and coastal cities, international shipping lanes, ferry routes, and considerable recreational vessel traffic. Vessel noise is a key threat to SRKW prosperity, and so conservation measures directed to mitigate its effects have been explored annually since 2017. Here, we describe trials undertaken in 2020, which included spatially limited slowdown zones, exclusion areas as Interim whale Sanctuary Zones (ISZs), and a lateral displacement of tug transits to increase the distance between their route and SRKW foraging areas. To assess each of the measures we first considered the level of mariner participation using data from the Automated Identification Systems (AIS), mandatory for commercial vessels. Knowing this, the changes in soundscape were examined, focused on impacts on broadband (10 Hz to 100 kHz) ambient noise and the frequencies used by SRKW for communication (500 Hz to 15 kHz) and echolocation (15 to 100 kHz). A control period of two-months prior to trial initiation was used to quantify the changes. High levels (> 80%) of compliance were found for each measure, except ISZs, where observance was low. Median reduction in speeds ranged from 0.2–3.5 knots. Resulting sound reductions were most notable in the lower frequencies, although reductions were also recorded in SRKW pertinent ranges. Tug displacement also reduced ambient noise in these frequencies, despite making up a small portion of the overall traffic. The management trials were effective in reducing potential impacts singularly and in concert. Greater awareness and stakeholder engagement may increase compliance and, therefore, the efficacy of measures in the future.
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 | 0,002 |
| 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 | 0,001 | 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 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 ».