MétaCan
Menu
Retour à la cohorte
Enregistrement W7112776175

Do you hear what I hear? Soundscapes Along a Gradient of Urbanization in Clinton County, NY

2024· other· en· W7112776175 sur OpenAlexaboutno aff

Notice bibliographique

RevueSUNY Digital Repository Support (State University of New York System) · 2024
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSoundscapeUrbanizationWildlifeSound (geography)BeaverSpecies richnessHabitatWildlife management
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Soundscapes are a compilation of sounds emanating from a landscape which creates an acoustic pattern across time and space. Wildlife behaviors are easily influenced by sound and can be reflected in periods of intense vocalization and silence. Urban landscapes are heavily influenced by anthrophony (human-produced sound) which can limit or enhance biophony (wildlife-produced sound). In fall 2024, the Wildlife Ecology and Management class arrayed five autonomous recording devices (AudioMoths) along an urbanization gradient (urban, urban interface, exurban golf course, rural riparia, and forested beaver pond). Audiomoths were programmed to record sound during peak hours of wildlife activity from 17:00-8:00 on two consecutive days during a warm spell. Data were downloaded and BirdNet-Analyzer was used to identify species using artificial intelligence (AI) algorithms associated with eBird. Output files were appended in R Studio and soundscape patterns were analyzed across sites. Biophony richness was highest at the exurban golf course (41), followed by urban (38), beaver pond (20), rural riparia (18), and urban interface (16). The most frequent callers at the urban site were American crow, dogs, squirrels, blue jays, Canada geese, and Carolina wren. At the urban interface, Canada geese, Carolina wren, and northern cardinals were highly vocal. At the exurban golf course, spring peeper, white-throated sparrows, barred owls, American crows, hairy woodpecker, and katydids were heard as compared to the rural riparia's eastern towhees, great-horned owls, and hairy woodpeckers. In contrast, anthrophonic call frequency was high and most similar at the urban (981) and and exurban golf course (891), intermediate at the urban interface (136), followed by the beaver pond (39), and rural riparia (33) with sounds including engines, humans, and power tools. At dawn the urban, exurban golf course, and beaver pond exhibited a high biophonic call frequency, while at dusk urbanized sites experienced extremely high calling rates compared to rural sites. Urban and exurban golf course communities were the most similar (51%), while the urban interface and the beaver pond were the least (22%). Soundscape ecology is a relatively new field that is growing in popularity due to the affordability of sensors and advances in AI. Our class learned that although these technologies have numerous benefits, there is still a need to perform supplemental surveys using traditional techniques or experts should be onboarded to help better identify misidentified calls.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,334
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,206
Écart entre enseignants0,194 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSUNY Digital Repository Support (State University of New York System)Travaux en français237 207