Knock knock, who's there? Identifying wild species‐specific fish sounds with passive acoustic localization and random forest models
Notice bibliographique
Résumé
Passive acoustic monitoring (PAM) is a useful non-destructive tool for evaluating species presence, diversity and abundance. However, in marine environments, a dearth of tools and methods for identifying wild, species-specific fish calls makes quantitative PAM assessments for specific fish species challenging. We tested a novel passive acoustic localization array with paired audio/video for identifying wild, species-specific fish sounds in a high-diversity region of British Columbia, Canada. We then used random forest models incorporating 47 sound features to test the feasibility of differentiating species-specific fish calls. We identified calls for eight soniferous fish species, five of which had never been documented or described, including vermillion (Sebastes miniatus), canary (S. pinniger), and black rockfish (S. melanops). Random forest models were able to differentiate fish knocks and grunts to the species level with high accuracy (80% for knocks, 88% for grunts). The models struggled to differentiate species knocks when sample sizes were low. The Gini impurity index and partial dependence probability plots showed species-specific differences in call features that measure low frequencies and central frequencies. We also provide a comprehensive set of species-specific call characteristics for 47 sound features which can be used to parameterize fish sound detectors. Our study outlines a robust method for collecting and differentiating wild species-specific fish sounds from a high-diversity region with many closely related soniferous fish species. This research can be used to design a species-specific fish sound detector for quantitative estimates of species presence, diversity and range. These adaptable methods can also be applied elsewhere using the same 47 sound features and random forest models to identify species-specific fish sound parameters.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».