MétaCan
Menu
← Retour à la cohorte
Enregistrement W4376128070 · doi:10.1139/cjz-2023-0053

Effects of anthropogenic noise on haul-out numbers of harbor seals (<i>Phoca vitulina)</i>

2023· article· en· W4376128070 sur OpenAlexvenueno aff
Kyra Bankhead, Grace Freeman, Wyatt Heimbichner Goebel, Alejandro Acevedo‐Gutiérrez

Notice bibliographique

RevueCanadian Journal of Zoology · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensnon disponible
Organismes subventionnairesWestern Washington University
Mots-clésPhocaHarbor sealNoise (video)Noise pollutionBiologyEnvironmental scienceEcologyNoise reductionAcousticsPhysics

Résumé

récupéré en direct d'OpenAlex

Haul-out sites of harbor seals, Phoca vitulina Linnaeus, 1758, include areas with high levels of anthropogenic noise. In some cases, seals haul out at night when there are lower in-air noise levels. However, it is unclear whether there are additional responses to noise pollution. To determine potential impacts of anthropogenic noise on haul-out behavior, we compared numbers of hauled-out harbor seals relative to in-air noise levels at two sites in Washington state, USA—one close to human activities (Bellingham waterfront) and one more distant (Semiahmoo marina)—between July 2020 and August 2021. We used generalized linear mixed models to identify predictors of seal numbers. The marina had lower mean noise levels than the waterfront (39.7 ± SD 6.1 dB, n = 29 observations versus 51.2 ± SD 5.2 dB, n = 126 observations). The plotted model prediction showed a significantly negative association between noise and seals at the marina, and no association was found at the waterfront. Results indicate that in-air noise levels may influence seal numbers at sites where human activities are low. They also suggest that, besides hauling out at night, seals may become tolerant to in-air noise levels at sites where human activities are high.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,069
Score d'incertitude au seuil0,138

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 GPT0,233
Écart entre enseignants0,222 · 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 source (Gemma direct ou Codex distillé), 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

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Zoology→Même sujetMarine animal studies overview→Travaux en français237 207→