A preliminary review of the efficacy of several acoustic autodetection algorithms to identify North Atlantic right whale calls, and recommendations for next steps to further assess and optimize these algorithms
A preliminary review of the efficacy of several acoustic autodetection algorithms to identify North Atlantic right whale calls, and recommendations for next steps to further assess and optimize these algorithms
Simple item page
Full item details
- dc.contributor.author
- Lawson, Jack W.
- dc.date.accessioned
- 2024-01-04T18:53:42Z
- dc.date.available
- 2024-01-04T18:53:42Z
- dc.date.issued
- 2023
- dc.description.abstract - en
- Automated detection and classification of the vocalizations of North Atlantic right whale (NARW) and other marine mammals is a highly desirable goal for researchers and managers seeking to monitor areas for whale presence as the basis to implement mitigation measures. Such automated acoustic processing is particularly important for real-time monitoring approaches where there are large-scale acoustic data inputs. All of the Detection and Classification Systems (DCSs) used by Fisheries and Oceans Canada (DFO) are expected to perform similarly well, given the metric (e.g., hours with calls/day) used to present NARW occurrence time-series. Previously, this was demonstrated by comparing performances of a variety of detectors during studies in 2004, 2013, and 2017. Spectroplotter (a commercial programme) and Low-Frequency Detection and Classification System (LFDCS), which are the two systems that have been used to analyse acoustic data in Newfoundland and Labrador (NL) and Maritimes regions, perform well; although in one small study the LFDCS detected more actual NARW upcalls than Spectroplotter, but also generated more false positives. DCS performance is influenced by multiple factors, including the ambient noise levels relative to the characteristics of the NARW upcalls, the location of the hydrophone, the characteristics of the recorder instrumentation, software settings and thresholds, and other contextual features, such as the presence of other species. The next generation of DCSs will incorporate context into their logic (e.g., presence of other marine mammals or abiotic sound sources and signal-to-noise ratio [SNR]). Algorithm comparisons are less crucial in the historic NARW analyses as the metrics in which the present detection results are presented at a large enough scale (“has there been NARW detected at this recorder location today?”) that slight differences in algorithm performance would be subsumed in the amalgamation and summation process. At smaller spatial and temporal sampling scales, differences in algorithm performance become more apparent. Thorough testing of the different DCSs being used in Atlantic Canada would require a series of manually validated acoustic datasets from a representative set of locations, time frames, seasons, and recording hardware. Such a DCS comparison would be a useful activity but would require agreed upon performance metrices and thresholds for the DCS.
- dc.description.abstract-fosrctranslation - fr
- La détection et la classification automatisées des vocalises de baleine noire de l’Atlantique Nord et d’autres mammifères marins sont hautement souhaitables pour les chercheurs et les gestionnaires qui cherchent à surveiller leur présence dans certaines zones afin de mettre en œuvre des mesures d’atténuation. Ce type de traitement acoustique automatisé est particulièrement important pour les approches de surveillance en temps réel qui traitent de grandes quantités de données acoustiques. Tous les systèmes de détection et de classification (SDC) utilisés par Pêches et Océans Canada (MPO) doivent offrir des résultats similaires, compte tenu des données (p. ex., heures avec vocalise/jour) utilisées pour présenter les occurrences de baleine noire de l’Atlantique Nord dans le temps, ce qui a déjà été démontré en comparant l’efficacité de divers détecteurs lors d’études menées en 2004, 2013 et 2017. Le Spectroplotter (un programme commercial) et le système de détection et de classification des basses fréquences (LFDCS, pour Low Frequency Detection and Classification System), deux systèmes ayant été utilisés pour analyser les données acoustiques dans la région de Terre-Neuve-et-Labrador et la région des Maritimes, donnent de bons résultats, bien que dans une petite étude, le LFDCS ait détecté plus de véritables vocalises de contact à modulation ascendante de baleine noire de l’Atlantique Nord que le Spectroplotter, mais ait également généré plus de faux positifs. L’efficacité d’un SDC est influencée par de multiples facteurs, y compris les niveaux de bruit ambiant par rapport aux caractéristiques de la vocalise de contact à modulation ascendante de la baleine noire de l’Atlantique Nord, l’emplacement de l’hydrophone, les caractéristiques du système d’enregistrement, les réglages et les seuils du logiciel, et d’autres caractéristiques contextuelles, comme la présence d’autres espèces. La prochaine génération de SDC intégrera le contexte dans sa logique (p. ex., la présence d’autres mammifères marins ou de sources sonores abiotiques et le rapport signal sur bruit). Les comparaisons d’algorithmes sont moins importantes dans les analyses historiques de la baleine noire de l’Atlantique Nord puisque les données qui découlent des résultats de détection actuels sont présentées à une échelle suffisamment grande (« Une baleine noire de l’Atlantique Nord a-t-elle été détectée à proximité de cet enregistreur aujourd’hui »?) pour que les légères différences en matière d’efficacité des algorithmes ne soient pas perceptibles après le processus d’amalgamation et de cumul. À des échelles d’échantillonnage spatiales et temporelles plus petites, les différences en matière d’efficacité des algorithmes deviennent plus visibles. Un test complet des différents SDC utilisés au Canada atlantique nécessiterait une série d’ensembles de données acoustiques validées manuellement et provenant d’un ensemble représentatif de lieux, de périodes, de saisons et de matériel d’enregistrement. Comparer ainsi les SDC serait une activité utile, mais nécessiterait que des mesures et des seuils de rendement soient établis pour ceux-ci.
- dc.description.fosrcfull - en
- 1 online resource (iv, 17 pages) : charts
- dc.description.fosrcfull-fosrctranslation - fr
- 1 ressource en ligne (iv, 17 pages) : graphiques
- dc.identifier.citation
- Lawson, J. 2023. A preliminary review of the efficacy of several acoustic autodetection algorithms to identify North Atlantic right whale calls, and recommendations for next steps to further assess and optimize these algorithms. DFO Can. Sci. Advis. Sec. Res. Doc. 2023/050. iv + 17 p.
- dc.identifier.govdoc
- Fs70-5/2023-050E-PDF
- dc.identifier.isbn
- 9780660490120
- dc.identifier.issn
- 1919-5044
- dc.identifier.uri
- https://waves-vagues.dfo-mpo.gc.ca/library-bibliotheque/41198554.pdf
- https://open-science.canada.ca/handle/123456789/1447
- dc.language.iso
- en
- dc.publisher
- Fisheries and Oceans Canada, Canadian Science Advisory Secretariat
- dc.relation.istranslationof
- https://open-science.canada.ca/handle/123456789/1448
- dc.subject - en
- Nature and environment
- Water
- dc.subject - fr
- Nature et environnement
- Eau
- dc.subject.en - en
- Nature and environment
- Water
- dc.subject.fr - fr
- Nature et environnement
- Eau
- dc.title - en
- A preliminary review of the efficacy of several acoustic autodetection algorithms to identify North Atlantic right whale calls, and recommendations for next steps to further assess and optimize these algorithms
- dc.type - en
- Report
- dc.type - fr
- Rapport
- local.pagination
- iv, 17 pages
- local.report.reportnum
- 2023/050
- local.report.series
- Research Document (Canadian Science Advisory Secretariat)
Download(s)
Original bundle
1 - 1 of 1
Name: PreliminaryReviewEfficacySeveralAcousticAutodetectionAlgorithmsIdentifyNorthAtlanticRightWhaleCallsRecommendationsNextStepsFurtherAssessOptimizeAlgorithms-41198554.pdf
Size: 1.93 MB
Format: PDF
Collection(s)