MétaCan
Menu
Retour à la cohorte
Enregistrement W4412433118 · doi:10.1016/j.apacoust.2025.110936

Assessment of sound attenuation by submerged aquatic vegetation in shallow freshwaters

2025· article· en· W4412433118 sur OpenAlexafffundabout
Dominic Lagrois, Irene T. Roca, Marc Mingelbier, Jean-François Senécal, Clément Chion

Notice bibliographique

RevueApplied Acoustics · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueUnderwater Acoustics Research
Établissements canadiensMinistère des Ressources naturelles et des ForêtsUniversité du Québec en Outaouais
Organismes subventionnairesQuébec Ministère du Développement Durable, de l’Environnement et de la Lutte Contre les Changements ClimatiquesUniversité du Québec en Outaouais
Mots-clésSound (geography)AttenuationAcoustic attenuationEnvironmental scienceVegetation (pathology)Waves and shallow waterGeologyOceanographyPhysics

Résumé

récupéré en direct d'OpenAlex

Acoustic propagation measurements were conducted in the shallow freshwater of Lake St. Pierre, a widening of the St. Lawrence River between Montréal and Trois-Rivières. Two (2) calibrated acoustic projectors were used to cover a mid-to-high frequency range between 2-60 . Sites across the lake were selected to span a broad gradient of submerged aquatic vegetation (SAV) density, estimated semi-quantitatively through effective percent cover, to evaluate its impact on sound attenuation. Vegetation-induced excess propagation loss over 10 ranged from near 0 re 1 at sparsely vegetated sites to approximately 60 re 1 where SAV dominated the O 2 -supersaturated water column. The strongest attenuation occurred between 15-17 , consistent with the resonance scattering of sub-millimetric photosynthetic air bubbles. However, measurable attenuation across a wider frequency band suggests a broader distribution of bubble sizes and additional vegetation-related mechanisms. This study highlights the potential role of SAV in attenuating mid- to high-frequency acoustic energy, which may contribute to noise mitigation in freshwater ecosystems hosting a wide diversity of aquatic species.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,271
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueApplied AcousticsMême sujetUnderwater Acoustics ResearchTravaux en français237 207