MétaCan
Menu
Retour à la cohorte
Enregistrement W3199833798 · doi:10.3390/jmse9101047

Variability in Anthropogenic Underwater Noise Due to Bathymetry and Sound Speed Characteristics

2021· article· en· W3199833798 sur OpenAlexaffabout
Svein Vagle, Rianna E. Burnham, Caitlin O’Neill, Harald Yurk

Notice bibliographique

RevueJournal of Marine Science and Engineering · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésBathymetryNoise (video)Water columnAmbient noise levelSound transmission classUnderwaterEnvironmental scienceOceanographySound (geography)Transmission lossGeologyUnderwater acousticsAcousticsComputer science

Résumé

récupéré en direct d'OpenAlex

Oceanic acoustic environments are dynamic, shaped by the spatiotemporal variability in transmission losses and sound propagation pathways of natural and human-derived noise sources. Here we used recordings of an experimental noise source combined with transmission loss modeling to investigate changes in the received levels of vessel noise over space and time as a result of natural water column variability. Recordings were made in the Juan de Fuca Strait, on the west coast of Vancouver Island, a biologically productive coastal region that hosts several cetacean species. Significant variability in noise levels was observed due to changing water masses, tied to seasonal temperature variation and, on a finer scale, tidal movements. Comparisons of interpreted received noise levels through the water column indicated that vessel noise recorded by bottom-stationed monitoring devices might not accurately represent those received by whales in near-surface waters. Vertical and temporal differences of 3–5 dB were commonly observed in both the recorded and modeled data. This has implications in estimating the success of noise mitigation measures, and our understanding of the change in sound fields experienced by target species for conservation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,090
Score d'incertitude au seuil0,343

Scores Codex et Gemma par catégorie

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

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 Opus0,011
Tête enseignante GPT0,225
Écart entre enseignants0,215 · 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 tête enseignante, 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

Citations17
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Marine Science and EngineeringMême sujetMarine animal studies overviewTravaux en français237 207