Effects of vessel noise on beluga (<i>Delphinapterus leucas</i>) call type use: ultrasonic communication as an adaptation to noisy environments?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Animal vocalizations can evolve structural features as long-term adaptations to noisy environments. Using such signals, cetaceans could mitigate masking from vessel noise. This study investigates whether beluga whales (Delphinapterus leucas) use ultrasonic high-frequency burst pulse (HFBP) calls to communicate in noisy conditions. We identified HFBP calls in three populations: St Lawrence Estuary, Eastern High Arctic-Baffin Bay, and Western Hudson Bay. Focusing on the industrialized St Lawrence, we investigated the effects of vessel noise on HFBP call rates compared to other call types. Ultrasonic calls, spanning a bandwidth of 36.4±6.5 to 144 kHz (Nyquist frequency), comprised 13% of the St Lawrence beluga repertoire (n=25,435). Noise events (n=21) were defined as periods when at least one vessel was visible within 2 km of the hydrophone while belugas were within 500 m. Sound pressure levels were measured before, during, and after exposure. Generalized linear mixed models revealed consistent HFBP call rates before, during, and after vessel noise exposure, while contact calls and other call types declined during exposure (n=4528). These findings suggest that ultrasonic signals that evolved in the Arctic - where ice-associated noise may have created a need for high-frequency communication - remain a viable communication channel in vessel noise, allowing belugas to exploit these signals to maintain communication. Understanding how belugas use signals in noisy environments can inform conservation strategies for noise-impacted marine mammals.
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.
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 | 0,000 |
| 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle