Ocean noise contributors in southern resident killer whale habitat
Notice bibliographique
Résumé
The contributions of different marine sectors to underwater noise pollution within endangered Southern Resident killer whale (SRKW) habitat were investigated using a soundscape model for continental shelf waters off British Columbia and Washington State. Inputs to the model included Automatic Identification System (AIS) vessel traffic data, aerial survey estimates of non-AIS traffic, and an extensive database of underwater vessel noise measurements. Model results suggested that roll-on-roll-off ferries had the greatest region-wide contribution to broadband sound pressure level (SPL), followed by container ships, bulk carriers, anchored cargo vessels, and oil tankers. Fishing and recreational vessels had large seasonal contributions in two killer whale masking bands, after accounting for non-AIS vessel presence. Monthly-average SPL from vessels exceeded wind-driven ambient sound by >10 dB throughout most of the study area. These findings highlight the potential impact of vessel activity on acoustic habitat quality for SRKW and other marine animals. Soundscape map of monthly-average SPL in the killer whale communication band for July 2022. • Ro-ro ferries and deep-sea cargo vessels were the main sources of broadband noise in SRKW habitat. • Anchored cargo vessels were the fourth-ranked contributor within SRKW habitat. • Tugs, fishing, and recreational vessels were significant contributors to SRKW masking bands. • Most fishing, and recreational vessels were not captured by AIS. • Vessel-generated SPL exceeded natural ambient by >10 dB throughout SRKW habitat.
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 | 0,000 |
| 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 | 0,001 | 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) | 0,001 | 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 ».