Males miss and females forgo: Auditory masking from vessel noise impairs foraging efficiency and success in killer whales
Notice bibliographique
Résumé
Understanding how the environment mediates an organism's ability to meet basic survival requirements is a fundamental goal of ecology. Vessel noise is a global threat to marine ecosystems and is increasing in intensity and spatiotemporal extent due to growth in shipping coupled with physical changes to ocean soundscapes from ocean warming and acidification. Odontocetes rely on biosonar to forage, yet determining the consequences of vessel noise on foraging has been limited by the challenges of observing underwater foraging outcomes and measuring noise levels received by individuals. To address these challenges, we leveraged a unique acoustic and movement dataset from 25 animal-borne biologging tags temporarily attached to individuals from two populations of fish-eating killer whales (Orcinus orca) in highly transited coastal waters to (1) test for the effects of vessel noise on foraging behaviors-searching (slow-click echolocation), pursuit (buzzes), and capture and (2) investigate the mechanism of interference. For every 1 dB increase in maximum noise level, there was a 4% increase in the odds of searching for prey by both sexes, a 58% decrease in the odds of pursuit by females and a 12.5% decrease in the odds of prey capture by both sexes. Moreover, all but one deep (≥75 m) foraging attempt with noise ≥110 dB re 1 μPa (15-45 kHz band; n = 6 dives by n = 4 whales) resulted in failed prey capture. These responses are consistent with an auditory masking mechanism. Our findings demonstrate the effects of vessel noise across multiple phases of odontocete foraging, underscoring the importance of managing anthropogenic inputs into soundscapes to achieve conservation objectives for acoustically sensitive species. While the timescales for recovering depleted prey species may span decades, these findings suggest that complementary actions to reduce ocean noise in the short term offer a critical pathway for recovering odontocete foraging opportunities.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».