Exploring the efficiency of a source-level model to predict hydrophone-based received noise levels of the St. Lawrence Estuary’s merchant fleet
Notice bibliographique
Résumé
The Enhancing Cetacean Habitat and Observation (ECHO) source-level model was statistically derived using nearly 10,000 vessel transits along Canada’s western coast. Before using this model in other areas, it is important to examine its efficiency in new environments and on other fleets. In this work, hydrophone-based acoustic recordings collected between August 3rd and September 16th of 2022 within the Saguenay-St. Lawrence Marine Park were used to investigate the applicability of the ECHO source-level model to Canada’s eastern fleet. Opportunistic transits of 71 merchant ships near (i.e., ≲ 3 km ) the hydrophone were obtained. As an attempt to reduce computing times in the context of agent-based modeling, the reliability of the proposed analytic seabed critical angle (SCA) method for propagation losses calculations was examined and compared to robust, although time-consuming, numerical methods . Results generally show that the combination of the ECHO source-level model and our best estimates for propagation losses calculations does allow to reliably predict the acoustic footprint of the radiated noise levels by merchant ships in the acoustic module of the Marine Mammal and Maritime Traffic Simulator (3MTSim). However, computational gains could be marginal at best due to the analytic SCA method quickly becoming inconsistent with the numerical approach in range-dependent scenarios that often translate into long-range encounters.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».