Sperm whale acoustic ecology investigations using Jeffrey Nystuen‘s Passive Aquatic Listeners
Notice bibliographique
Résumé
When Jeffrey Nystuen invented the Passive Aquatic Listener (PAL) for quantifying rainfall and wind speed using underwater sound spectra, he considered all biological sounds in the recordings as noise. Using this noise data, I built a doctoral thesis, comprised of three published papers. None of this would have happened without Jeff’s continuous encouragement and support. Here, we present results from analyzing (1) five years (2007–2012) of PAL recordings from Ocean Station PAPA (OSP) in the offshore Gulf of Alaska; and (2) 19 months of PAL data from two sites, Pylos and Athos Stations (in the Hellenic Trench and North Aegean Trough respectively), in the Greek Seas, investigating the acoustic ecology of sperm whales (Physeter macrocephalus). Results of the bioacoustic analysis revealed the year-round presence of sperm whales at OSP and the Ionian Sea, with higher detections during the warm seasons. The sperm whale time series from OSP was correlated with in situ and remotely-sensed oceanographic variables to improve our understanding of global-warming-driven changes in the pelagic ecosystem of the NE Subarctic Pacific. Results from the Hellenic Trench emphasize the risk from increased shipping noise and contribute to the conservation efforts for the small, endangered sperm whale population in an understudied 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».