Dolphin communication during widespread systematic noise reduction-a natural experiment amid COVID-19 lockdowns
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Underwater noise from human activities is recognized as a world-wide problem, with important repercussions on the acoustic communication of aquatic mammals. During the COVID-19 pandemic, the government of Panama went into a nationwide lockdown to limit the spread of the virus. This lockdown resulted in the closing of tourism infrastructure and limited mobility in both land and coastal areas. We used this “natural experiment” as an opportunity to study the impact of tour-boat activities on dolphin communication by using passive acoustic monitoring data collected before and during the lockdown at Dolphin Bay, Bocas del Toro, Panama. During the lockdown, tour-boat activity was absent, but boats transporting people and supplies were allowed to circulate. The shift in type of boat activity within the lockdown resulted in lower ambient noise levels and more frequent detections of dolphin sounds. We also detected a more diverse whistle repertoire during the lockdown than in the pre-lockdown period, even when accounting for variation in sample coverage. A Random Forest Analysis classified whistles between the two periods with high accuracy (92.4% accuracy, κ = 0.85) based primarily on whistle modulation and duration. During the lockdown, whistles were longer in duration and less modulated than pre-lockdown. Our study shows that a shift in boat traffic activity can generate significant changes in dolphin habitat, and in their communicative signals, an important consideration given ongoing unregulated ecotourism in the region.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle