Acoustic behavior of gray whales tagged with biologging devices on foraging grounds
Notice bibliographique
Résumé
Understanding the function of baleen whale acoustic signals requires the investigation of calling behaviors relative to location, timing, and behavioral state. Previous studies of gray whale ( Eschrichtius robustus ) vocal behavior have principally used passive recorders and been conducted primarily on breeding grounds and along migratory routes, and not areas associated with foraging. We conducted an analysis of accelerometer and acoustic data collected during 12 deployments of animal-borne tags in 2016, 2019, and 2021 on gray whales that return annually to northern Puget Sound, Washington. We identified 141 calls from gray whales in approximately 128 hours of accelerometer and/or acoustic data collected from tag deployments. The most prominent were pulsive ‘rumble-like’ calls, upsweeping tones, and moans. Using the tag’s accelerometer to identify calls produced by tagged animals enabled us to explore the behavioral context behind call production, revealing that vocalizations were made primarily at slow speeds (mean 1.03 ± 0.26 m/s -1 ), shallow depths (mean 7.63 ± 4.99 m), and temporally proximate to surface behavior (mean 43.3 ± 39.66 sec) most similar to non-foraging associated depth (mean 5.78 ± 1.46 m and speed (mean 1.46 ± 1.11 m/s -1 ) profiles. Vocalizations originating from the tagged animal occurred closer to the conclusion of a foraging event (mean 87.7 ± 119.32 min) than the beginning, with only 7% of all calls occurring during periods of feeding. This study demonstrates that gray whales remain vocal on foraging grounds and that call-associated accelerometry signals can be a valuable tool in identifying individual callers in animal-borne acoustic data.
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 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 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».