Dolphin communication during widespread systematic noise reduction-a natural experiment amid COVID-19 lockdowns
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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».