Variation in glider-detected North Atlantic right, blue, and fin whale calls in proximity to high-traffic shipping lanes
Notice bibliographique
Résumé
Passive acoustic monitoring has become an integral tool for determining the presence, distribution, and behavior of vocally active cetacean species. Acoustically equipped underwater gliders are becoming a routine monitoring platform, because they can cover large spatial scales during a single deployment and have the capability to relay data to shore in near real-time. Yet, more research is needed to determine what information can be derived from glider-recorded cetacean detections. Here, a Slocum glider that monitored continuously for low frequency (<1 kHz) baleen whale vocalizations was deployed across the Honguedo Strait and the associated traffic separation scheme in the Gulf of St. Lawrence, Canada, during September and October 2019. We conducted a manual analysis of the archived audio to examine spatial and temporal variation in acoustic detection rates of North Atlantic right whales (NARWs), blue whales, and fin whales. Call detections of blue and fin whales demonstrated that both species were acoustically active throughout the deployment. Environmental association models suggested their preferential use of foraging areas along the southern slopes of the Laurentian Channel. Results also indicate that elevated background noise levels in the shipping lanes from vessel traffic only minimally influenced the likelihood of detecting blue whale acoustic presence, while they did not affect fin whale detectability. NARWs were definitively detected on less than 20% of deployment days, so only qualitative assessments of their presence were described. Nevertheless, detections of all 3 species highlight that their movements throughout this seasonally important region overlap with a high volume of vessel traffic, increasing their risk of ship strike.
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 | 0,002 |
| Études des sciences et des technologies | 0,000 | 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) | 0,002 | 0,001 |
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 ».