Results from scenarios of altered commercial vessel traffic density, speed and transit route
Notice bibliographique
Résumé
Noise increases resulting from a seven-fold increase in tanker and tug transits related to the Trans Mountain Expansion (TMX) project, and the efficacy of slowdown and rerouting measures as mitigation were estimated using a vessel noise model. Potential acoustic impacts to southern resident killer whales (SRKW, Orcinus orca) were considered by examining communication and echolocation ranges (0.5-15 kHz and 15-100 kHz respectively) at typical swimming and foraging depths (7.5, 50 and 100 m) during May to October. Measure effectiveness was determined through the comparison of simulated scenarios to a pre-project baseline. Increases were focused in shipping lanes and shallow water. Slowing vessels to 10 knots throughout their transit was the most effective mitigation measure, whereas a lateral displacement of tugs through the Strait of Juan de Fuca made no change overall. The metric used to evaluate noise level change influenced conclusions on measure efficacy, where reductions were seen for slowdowns in upper (e.g., L<sub>75</sub>, L<sub>95</sub>) but not in lower percentiles (L<sub>50</sub> or below). By targeting the faster moving vessels, slowdowns effectively shift the greatest noise sources to these lower levels. Results presented are from best available inputs at the time; amendments may occur as refinements are made to the model.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».