Worldwide Soundscapes: a synthesis of passive acoustic monitoring across realms
Notice bibliographique
Résumé
Abstract The urgency for remote, reliable, and scalable biodiversity monitoring amidst mounting human pressures on climate and ecosystems has sparked worldwide interest in Passive Acoustic Monitoring (PAM), but there has been no comprehensive overview of its coverage across realms. We present metadata from 358 datasets recorded since 1991 in and above land and water constituting the first global synthesis of sampling coverage across spatial, temporal, and ecological scales. We compiled summary statistics (sampling locations, deployment schedules, focal taxa, and recording parameters) and used eleven case studies to assess trends in biological, anthropogenic, and geophysical sounds. Terrestrial sampling is spatially denser (42 sites/M·km 2 ) than aquatic sampling (0.2 and 1.3 sites/M·km 2 in oceans and freshwater) with only one subterranean dataset. Although diel and lunar cycles are well-covered in all realms, only marine datasets (65%) comprehensively sample all seasons. Across realms, biological sounds show contrasting diel activity, while declining with distance from the equator and anthropogenic activity. PAM can thus inform phenology, macroecology, and conservation studies, but representation can be improved by widening terrestrial taxonomic breadth, expanding coverage in the high seas, and increasing spatio-temporal replication in freshwater habitats. Overall, PAM shows considerable promise to support global biodiversity monitoring efforts.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».