MétaCan
Menu
Retour à la cohorte
Enregistrement W4291289105 · doi:10.1002/rse2.261

Monitoring fin and blue whales in the lower St. Lawrence Seaway with onshore seismometers

2022· article· en· W4291289105 sur OpenAlexafffundabout
A. P. Plourde, M. R. Nedimović

Notice bibliographique

RevueRemote Sensing in Ecology and Conservation · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensGeological Survey of CanadaDalhousie University
Organismes subventionnairesNatural Resources CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésSeismometerWhaleBaleenSeismologyGeologyFisheryBiology

Résumé

récupéré en direct d'OpenAlex

Abstract The Lower St. Lawrence Seaway (LSLS), in eastern Canada, is an important habitat for several species of endangered baleen whale. As we seek to reduce the hazards that these endangered species face from human activity, there is increasing demand for detailed knowledge of their habitat use. Only a sparse network of hydrophones exists in the LSLS to remotely observe whales. However, there is also a network of onshore seismometers, designed to monitor earthquakes, that have sufficiently high sample rates to record fin and blue whale calls. We present a simple method for detecting band‐limited, regularly repeating calls, such as the 20 Hz calls of fin and blue whales, and apply the method to build a catalog of fin and blue whale detections at 14 onshore seismometers across the LSLS, over approximately a 4‐year period. The resulting catalog contains over 600 000 fin whale calls and almost 60 000 blue whale calls. Individual calls are rarely detected at more than one seismometer. Fin whale calls recorded onshore often consist of multiple seismic phases arriving as a ∼2 sequence. Onshore seismometers provide a valuable, previously unused source of data for monitoring baleen whales. However, in the LSLS, the current seismometer network cannot provide high‐precision whale tracking alone, so a denser deployment of onshore and/or offshore seismometers is required.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,056
Score d'incertitude au seuil0,988

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,019
Tête enseignante GPT0,226
Écart entre enseignants0,207 · 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

Citations6
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRemote Sensing in Ecology and ConservationMême sujetMarine animal studies overviewTravaux en français237 207