Schiffslärmbelastung von Seehunden aus dem Wattenmeer

Scientific Reports Band 13, Artikelnummer: 6187 (2023) Diesen Artikel zitieren

1611 Zugriffe

16 Altmetrisch

Details zu den Metriken

Aufgrund der zunehmenden menschlichen Aktivitäten auf See ist die Nordsee einem intensiven Schiffsverkehr ausgesetzt. Da Seehunde (Phoca vitulina) in der Nordsee häufig vorkommende Top-Raubtiere sind, wird angenommen, dass sie wiederholt Schiffsexpositionen mit hoher Amplitude ausgesetzt sind. Hier testen wir diese Hypothese, indem wir die Schiffslärmbelastung durch den Einsatz von Long-Term Sound and Movement Tags (DTAGs) an neun Seehunden aus dem Wattenmeer quantifizieren. Es wurde ein automatisiertes Tool entwickelt, um Intervalle mit erhöhtem Lärm in den Tonaufnahmen zu erkennen. Eine Bewertung durch mehrere Prüfer wurde durchgeführt, um die Quelle entweder als Gefäße oder als andere Geräusche zu klassifizieren. Insgesamt wurden 133 Schiffspassagen mit Empfangspegeln > 97 dB re 1 µPa RMS im 2-kHz-Entscheidungsband und mit Umgebungsgeräuschen > 6 dB unterhalb dieser Erkennungsschwelle identifiziert. Markierte Robben verbrachten die meiste Zeit in Meeresschutzgebieten (89 ± 13 %, Mittelwert ± SD) und waren 4,3 ± 1,6 Mal pro Tag Schiffspassagen mit hoher Amplitude ausgesetzt. Nur 32 % der Schiffspassagen waren plausibel mit einem AIS-registrierten Schiff verbunden. Wir kommen zu dem Schluss, dass Robben in industrialisierten Gewässern wiederholt Schiffslärm ausgesetzt sind, selbst in als geschützt ausgewiesenen Gebieten, und dass die Belastung durch AIS-Daten nur schlecht vorhergesagt werden kann.

Der weltweite Schiffsverkehr hat in den letzten Jahrzehnten erheblich zugenommen, was zu einem Anstieg des Unterwasser-Umgebungslärmpegels geführt hat1,2. Unterwasserlärm von Schiffen ist heute der wichtigste anthropogene Faktor für die Geräuschkulisse der Ozeane des Anthropozäns3,4. Die Nordsee ist durch intensiven Schiffsverkehr und andere anthropogene Aktivitäten gekennzeichnet5,6. Durch die Nordsee verlaufen wichtige Schifffahrtswege, die europäische Häfen mit dem Welthandelsmarkt verbinden. Auch die stetige Zunahme von Offshore-Anlagen, insbesondere von Offshore-Windparks7, trägt zum Schiffsverkehr bei, da Schiffe den Bau und die Wartung dieser Anlagen unterstützen. Darüber hinaus ist die Nordsee stark befischt, was zusätzlich zu einer hohen Schiffsverkehrsdichte beiträgt8. Trotz dieser intensiven Nutzung besteht jedoch ein deutlicher Wissensdefizit darüber, wie oft lärmempfindliche Tiere, wie zum Beispiel Meeressäuger, dem Schiffslärm ausgesetzt sind und welches Risiko dies für sie darstellen kann.

Der Seehund (Phoca vitulina) ist eines der am häufigsten vorkommenden Meeressäugetiere in der Nordsee und eine große Teilpopulation lebt in der Wattenmeerregion9,10. Obwohl es sich in erster Linie um eine Küstentierart handelt, unternehmen Seehunde mehrtägige Futtersuche-Touren von ihren Küstenaufenthaltsplätzen im Wattenmeer in die Nordsee11,12,13. Der Seehund ist durch die Anhänge II und V der Habitat-Richtlinie (92/43/EWG) der Europäischen Union (EU) geschützt. Daher sind die EU-Mitgliedstaaten verpflichtet, die Kerngebiete der Art zu schützen und diese Gebiete als besondere Schutzgebiete auszuweisen ( SACs) im Rahmen des Natura2000-Rahmens.

Flossenfüßer, wie z. B. Seehunde, haben im Einklang mit ihrem semi-aquatischen Lebensstil ein empfindliches Hörvermögen in der Luft und unter Wasser entwickelt14. Seehunde haben unter Wasser ihr bestes Gehör zwischen 0,2 und 40 kHz14,15. Unterwasserschall von Schiffen ist breitbandig, wobei die höchsten Pegel des Quellenspektrums bei niedrigen Frequenzen (unter 200 Hz) auftreten4,16. Aufgrund der Breitbandsignatur von Schiffen mit kavitierenden Propellern4,17 überschneidet sich jedoch ein Großteil des Quellenspektrums des Schiffslärms mit dem besten Hörbereich von Seehunden. Daher ist es relevant, Schiffslärm als potenziellen anthropogenen Stressfaktor für Seehunde zu bewerten.

Mehrere Studien haben die Belastung frei lebender Robben durch Schiffslärm abgeschätzt, indem sie Satellitentelemetriespuren einzelner Tiere mit Schiffspositionen kombiniert haben, die über das Automatische Identifikationssystem (AIS) übertragen wurden, z. B. 18,19,20. Anschließend wird die Modellierung der Schallausbreitung verwendet, um den empfangenen Schiffslärmpegel und das daraus resultierende Risiko einer Hörbeeinträchtigung vorherzusagen. Dieser Ansatz ist in Küstengebieten eine Herausforderung, da Robben durch Umgebungen mit stark unterschiedlichen akustischen Ausbreitungseigenschaften wandern können. Darüber hinaus müssen nur Schiffe ab einer bestimmten Größe und Länge AIS mitführen, was zu einer unbekannten Unterschätzung der Schiffslärmbelastung führt, insbesondere im Vergleich zu kleineren Schiffen21. Darüber hinaus können Fischereifahrzeuge ihre AIS-Transponder ausschalten, um Fanggründe zu verbergen22,23. Trotz dieser wichtigen Einschränkungen wurden nur wenige Versuche unternommen, modellierte Expositionsraten mit Felddaten zu vergleichen18. Daher mangelt es nach wie vor an verlässlichen Informationen über die tatsächlichen Belastungsraten und Lärmpegel, denen frei lebende Seehunde ausgesetzt sind.

Ein direkter Ansatz zur Messung der individuellen Exposition besteht darin, den Lärmpegel an Tieren vor Ort aufzuzeichnen, indem Biologging-Tags zur Geräusch- und Bewegungsaufzeichnung als Lärmdosimeter verwendet werden24,25,26. Aufgrund der begrenzten Speicher- und Akkukapazität waren diese Geräte bis vor Kurzem auf eine Aufnahmezeit von nur wenigen Tagen beschränkt. Dank des technischen Fortschritts ist es mittlerweile jedoch möglich, Ton über mehrere Wochen hinweg ununterbrochen aufzuzeichnen27. Diese Tags enthalten zusätzlich einen GPS-Sensor, der im Verlauf des Einsatzes genaue Standorte liefert. Darüber hinaus zeichnen diese Tags die dreidimensionalen Bewegungen des Tieres auf, was Aufschluss über den Verhaltenskontext und etwaige Verhaltensänderungen des Tieres während der Lärmbelastung geben kann24,26,27.

In dieser Studie haben wir bei neun Seehunden in der Wattenmeerregion der Nordsee Langzeitschall- und Bewegungsaufzeichnungsetiketten (DTAGs) eingesetzt, um die Häufigkeit und Höhe der Schiffslärmbelastung freilebender Tiere zu quantifizieren. Wir verwendeten einen automatisierten Erkennungsansatz mit einer festen Erkennungsschwelle, um Rauschereignisse mit hoher Amplitude systematisch zu identifizieren. Diese wurden anschließend in Schiffslärm und andere Geräusche klassifiziert und lieferten genaue Informationen über die Expositionsraten in der Region. Schließlich versuchten wir, die potenziellen Quellschiffe zu identifizieren, indem wir Schiffsverfolgungsdaten vom AIS mit den Standorten der Robben während jeder Schiffspassage kombinierten, um festzustellen, welche Schiffstypen mit größerer Wahrscheinlichkeit mit Robben in dem Gebiet interagieren.

Neun Seehunde wurden bei Ebbe auf der Lorenzensplate, einer Sandbank im deutschen Wattenmeer (54,44° N, 8,64° E) (Tabelle 1), gefangen, indem mit zwei Booten neben den Ausholplätzen ein Wadennetz ausgebracht und eingeholt wurde28 ,29. Sobald das Netz an Land gezogen war, wurden die Robben aus dem großen Netz in Röhrennetze überführt und zur weiteren Probenentnahme und Markierung manuell festgehalten. Jede Person war mit einem DTAG-4 (Größe: 40 × 33 × 180 mm inklusive Flotation, Gewicht: 206 g) ausgestattet27. Die Etiketten wurden mit Zweikomponenten-Epoxidharz (Ergo® 7211, Kisling, Schweiz) oder Sekundenkleber (Loctite® 422, Henkel Corp., USA) auf das Rückenfell zwischen den Schulterblättern geklebt. Die DTAGs waren so programmiert, dass sie sich nach vier Wochen von den Tieren lösten, und wurden anschließend mithilfe eines integrierten ARGOS-Senders (SPOT 6, Wildlife Computers, USA) verlagert.

Alle Fänge, Probenahmen und Markierungen wurden in Übereinstimmung mit den einschlägigen Richtlinien und Vorschriften durchgeführt. Alle Verfahren wurden von der zuständigen staatlichen Ethikkommission des Ministeriums für Energie, Landwirtschaft, Umwelt und ländliche Räume des Landes Schleswig-Holstein unter den Tierethik-Genehmigungsnummern Az V312-72241.121-19 (70-6/07) und V244-3986 genehmigt /2017 (17.3.14). Der Landesbetrieb für Küstenschutz, Nationalparks und Meeresschutz des Landes Schleswig-Holstein gewährte Zugang zum Fangplatz im Nationalpark und UNESCO-Weltnaturerbe „Wattenmeer“.

Der DTAG-4 besteht aus einem Hydrophon, dreiachsigen Beschleunigungsmessern und Magnetometern, Druck- (dh Tiefen-) und Temperatursensoren sowie einem GPS. Tondaten wurden mit einer Abtastrate von 64 kHz (2016) und 48 kHz (2017) unter Verwendung einer verlustfreien Komprimierung30 gespeichert. Das GPS verwendet die Snapshot-Methode (ähnlich wie Fastloc™,31), bei der eine 64-ms-Erfassung des demodulierten GPS-Band-Funksignals während des Auftauchens im Speicher gespeichert wird und Positionen in der Nachbearbeitung berechnet werden. Bewegungssensoren wurden mit 200 Hz (Beschleunigung) und 50 Hz (Magnetometer und Tiefe) abgetastet. In der Nachbearbeitung wurden Bewegungsdaten mithilfe benutzerdefinierter Tools (http://www.animaltags.org) in Matlab R2018b (The Mathworks, Natick, MA, USA) kalibriert und auf eine gemeinsame Abtastrate von 5 Hz dezimiert. Weitere technische Details des DTAG, einschließlich der On-Board-Verarbeitung und der Ablösemethode, finden Sie bei Mikkelsen et al.27.

Da die DTAGs bis zu vier Wochen lang kontinuierlich Schall- und Bewegungsdaten aufzeichneten, wurde eine automatisierte Methode entwickelt, um den empfangenen Schallpegel abzuschätzen und vorübergehende Perioden mit Lärm hoher Amplitude in den Tonaufzeichnungen zu erkennen. Diese Ereignisse mit hohem Lärmpegel wurden dann manuell klassifiziert, um Schiffspassagen zu identifizieren. Einen Überblick über den Arbeitsablauf zur Erkennung und Klassifizierung von Schiffspassagen gibt Abb. 1. Die Schallverarbeitung wurde mit benutzerdefinierten Funktionen durchgeführt, die in Matlab R2018b entwickelt wurden.

Arbeitsablauf zur Erkennung und Klassifizierung von Schiffspassagen sowie Definition von On-Effort- und Off-Effort-Zeiträumen.

Tonaufnahmen, die von einem an einem Tier befestigten Gerät erstellt wurden, enthalten zusätzlich zu den Umgebungsgeräuschen unter Wasser auch Geräusche von der Bewegung des Tieres26. Die Analyse von Tag-Aufzeichnungen erfordert daher andere Verarbeitungsschritte als die Aufzeichnungen, die von einem festen Rekorder erstellt werden, z. B.32. Um die empfangenen Schallpegel abzuschätzen, wurden Decidecade-Bandpegel33, auch Terzbandpegel genannt, nach den Methoden von Mikkelsen et al.27 und Wisniewska et al.24 berechnet. Kurz gesagt wurde die Tonaufzeichnung in aufeinanderfolgende 30-sekündige Segmente unterteilt, wobei Segmente entfernt wurden, wenn sich das Tier in der Nähe der Oberfläche befand (dh zu jedem Zeitpunkt des Segments < 1 m Tiefe). In jedem Segment wurden aufeinanderfolgende 2048-Punkt-Fast-Fourier-Transformationen (FFT) (Hann-Fenster, 50 % Überlappung) berechnet, was zu einem Satz Leistungsspektren führte (1405 für 48-kHz-Abtastdaten und 1874 für 64-kHz-Daten). Um vorübergehende Geräusche (z. B. durch Luftblasen oder plötzliche Bewegungen) zu vermeiden, wurde eine Teilmenge dieser Leistungsspektren gemittelt, um für jedes 30-Sekunden-Segment eine einzelne Spektralschätzung mit höherer Genauigkeit zu erhalten. Die Spektren für die Mittelwertbildung wurden ausgewählt, indem zunächst die Leistung zwischen 3 und 20 kHz aus jedem Leistungsspektrum summiert wurde und dann die 10 % der Leistungsspektren mit der niedrigsten Leistung in diesem Band ausgewählt wurden. Dieser Ansatz minimiert die Auswirkungen von Breitbandtransienten und liefert eine robuste Schätzung des kontinuierlichen Umgebungslärms innerhalb jedes 30-Sekunden-Segments. Die Pegel des Dezikadebands wurden für jedes Segment geschätzt, indem die Leistung in Spektralklassen integriert wurde, die in jedes Dezikadeband fallen. Schließlich wurden die Leistungspegel unter Verwendung des kalibrierten Clip-Pegels der Tags von 176 dB re 1 µPa in Unterwasser-Schalldruckpegel (dB re 1 µPa RMS) umgewandelt.

Die resultierenden Entscheidungspegel umfassen sowohl Umgebungsgeräusche als auch Strömungsgeräusche, die durch die Bewegung des markierten Tieres im Wasser erzeugt werden24,34. Bei niedrigen Frequenzen kann der Strömungslärm den Umgebungslärm übersteigen. Deshalb muss für die Analyse ein Frequenzband ausgewählt werden, das hoch genug ist, um minimales Strömungslärm zu erzeugen, aber niedrig genug, um immer noch eine beträchtliche Schallenergie von Schiffen zu erzeugen. Es wurde festgestellt, dass das 2-kHz-Entscheidungsband das niedrigste Frequenzband ist, das eine geringe Korrelation zwischen Schalldruckpegeln und der Aktivität des Tieres aufwies, gemessen durch den logarithmischen Effektivwert (RMS) (ms−3) (sensu Wisniewska). et al.24; Ergänzende Abbildungen S1 und S2). Dieses Band wurde daher zur Erkennung und Quantifizierung von Schiffsdurchgängen in nachfolgenden Analyseschritten verwendet.

Ein Peak-Finder wurde auf die 2-kHz-Entscheidungsebenen angewendet, um Ereignisse mit hoher Amplitude zu erkennen, bei denen es sich möglicherweise um Schiffspassagen handeln könnte (Abb. 1). Bei der passiven akustischen Überwachung wird typischerweise eine variable Erkennungsschwelle verwendet, die auf eine vorgegebene Anzahl von Dezibel über dem Umgebungsgeräuschpegel eingestellt wird, um vorübergehende Geräusche zu erkennen, z. B.35. Da das Ziel der vorliegenden Studie darin besteht, die Expositionsraten beim Passieren von Schiffen systematisch zu quantifizieren, haben wir für alle Aufzeichnungen eine feste Erkennungsschwelle gewählt. Dies hat den Vorteil, dass ein Vergleich der Expositionsraten innerhalb und zwischen Bereitstellungen möglich ist. Die Verwendung eines variablen Schwellenwerts würde wahrscheinlich zu mehr Schiffserkennungen führen, einschließlich einiger schwacher, entfernter Schiffe, aber die resultierenden Erkennungsraten hängen von den vorherrschenden Umgebungsgeräuschbedingungen ab und können daher nicht ohne weiteres verglichen werden. Die Verwendung eines festen Schwellenwerts ähnelt der Verwendung einer Streifenbreite bei Transekt-Stichprobenerhebungen von Booten oder Flugzeugen aus36. Das Ziel besteht in beiden Fällen nicht darin, so viele Erkennungen wie möglich zu sammeln, sondern sie mit einem standardisierten Aufwand zu sammeln, der eine robuste Schätzung der Begegnungsraten ermöglicht.

Um die feste Erkennungsschwelle auszuwählen, wurden die Aufzeichnungen zunächst für alle hörbaren Gefäßdurchgänge in einem vorläufigen Screening durch Zuhören und Spektrogrammbetrachtung der Tondateien annotiert. Anschließend wurde eine ROC-Analyse (Receiver Operating Curve) auf der Grundlage von 2-kHz-Entscheidungspegeln während kommentierter Schiffspassagen und Pegeln außerhalb dieser Zeiträume durchgeführt (eine detaillierte Beschreibung finden Sie unter „Ergänzende Methoden: „Ableitung der festen Erkennungsschwelle“). Ein Schwellenwert von 97 dB re 1 µPa RMS im 2-kHz-Entscheidungsband lieferte die beste Kombination aus Selektivität und Spezifität in den annotierten Daten. Bei Anwendung dieser Erkennungsschwelle auf den gesamten Datensatz wurde jedes 30-s-Segment mit 2-kHz-Entscheidungsbandpegeln über 97 dB bei 1 µPa RMS als Ereignis mit hohem Rauschen angesehen. Basierend auf der wahrscheinlichen Mindestdauer einer Schiffspassage wurden Ereignisse mit hohem Lärmpegel, die weniger als 5 Minuten auseinander lagen, zu einem einzigen Ereignis zusammengefasst.

Die Umgebungsgeräuschpegel wurden aus den 2-kHz-Entscheidungsbandpegeln geschätzt, indem das 25. Perzentil der 30-s-Bandpegel über 20-Minuten-Intervalle mit 10-Minuten-Überlappung ermittelt wurde (Abb. 1). Dieses Intervall wurde gewählt, da die Schiffsdurchfahrten in der Regel kürzer als 20 Minuten waren, sodass die Schätzung des Umgebungslärmpegels durch diese Durchfahrten nur minimal beeinflusst wurde, aber dennoch die vorherrschenden Umgebungslärmbedingungen widerspiegelte. Der geschätzte Umgebungsgeräuschpegel schwankte während der Einsätze stark und es kam gelegentlich vor, dass sich der Umgebungsgeräuschpegel der Erkennungsschwelle näherte oder diese überschritt, z. B. aufgrund von Regen oder Wind. Um die Expositionsraten der Schiffe zuverlässig abzuschätzen, definierten wir „Anstrengungszeiträume“ als Intervalle in den Aufzeichnungen, in denen der Umgebungsgeräuschpegel mehr als 6 dB unter der Erkennungsschwelle lag, und übernahmen dabei die Terminologie aus visuellen Untersuchungen (Abb. 1). Diese Regel stellt sicher, dass bei der Erkennung hoher Lärmereignisse ein Signal-Rausch-Verhältnis im Vergleich zur Umgebung in der 2-kHz-Entscheidungskade von mindestens 6 dB vorliegt, was eine zuverlässige Unterscheidung des Schiffslärms von anderen Lärmquellen ermöglicht. Zeiträume mit höheren Umgebungslärmpegeln wurden als „Off-Effort“-Zeiträume betrachtet und bei der Schätzung der Häufigkeit von Schiffsbegegnungen nicht berücksichtigt (ergänzende Abbildung S3).

Ereignisse mit hohem Lärmpegel (sowohl während als auch außerhalb der Anstrengung) wurden unabhängig voneinander von drei geschulten Bewertern (DAN, LRD und CRF) mithilfe von Zuhören und Spektrogrammbetrachtung klassifiziert. Ein 60-s-Abschnitt um den Höhepunkt jedes Ereignisses wurde als Spektrogramm visualisiert (1024 FFT, 50 % Überlappung, Hann-Fenster). Den Bewertern wurden Ereignisse in zufälliger Reihenfolge zur Klassifizierung angeboten und sie wählten eine von sechs Klassifizierungen: „Schiff“, „potenzielles Schiff“, „Andere anthropogene“, „Wetter/Regen“, „Markierungslärm“ und „Unbekannt“. Bei Ereignissen, die als „Schiff“ klassifiziert wurden, mussten die Prüfer ihre Entscheidung begründen, z. B. eine Lloyd's Mirror-Signatur im Spektrogramm oder rhythmische Geräusche rotierender Maschinen (eine vollständige Beschreibung finden Sie unter „Ergänzende Methoden: „Klassifizierung von Ereignissen mit hohem Lärmpegel“).

Die Klassifizierungsergebnisse der drei Bewerter wurden mithilfe von Cohens Kappa analysiert, um die Konkordanz zu beurteilen. Die Übereinstimmung zwischen den Bewertern war sehr hoch, mit einer durchschnittlichen Übereinstimmung von 88 % bei den neun markierten Siegeln.

Wir haben AIS-Daten verwendet, um potenzielle Schiffe zu identifizieren, die zu jedem klassifizierten Schiffspass führten. In Europa müssen Schiffe mit einer Bruttoraumzahl von mehr als 300, Fischereifahrzeuge mit einer Länge von mehr als 15 m und alle Passagierschiffe unabhängig von ihrer Größe AIS-Sender mitführen, um die Sicherheit im Seeverkehr zu gewährleisten (z. B. 8). Über AIS melden Schiffe während der Fahrt in regelmäßigen Abständen ihre GPS-Position sowie Kurs, Geschwindigkeit und Schiffslänge. Jedes Schiff wird mit einer eindeutigen MMSI-Nummer (Maritime Mobile Service Identity) identifiziert und übermittelt einen standardisierten Code für seinen Schiffstyp.

Die Zuordnung jeder akustisch erfassten Lärmbelastung zu einem potenziellen AIS-Schiff basierte auf der Form der Lärmbelastung (dh den Anstiegs- und Abfallzeiten). Ein nahes und/oder sich schnell bewegendes Schiff verursacht eine Schallbelastung, die schnell ansteigt und abfällt, wohingegen ein langsames und/oder entferntes Schiff einen langsam ansteigenden und abfallenden Schallübergang erzeugt. Die erwartete Expositionsform wird daher durch die kürzeste Annäherungsentfernung, c in Metern, und die Geschwindigkeit des Schiffes, v in m/s, charakterisiert. Eine Ausbreitungsanalyse legt nahe, dass ein relevanter Formparameter, der diese Metriken kombiniert, γ = c/v ist, der die Einheit Sekunden hat. Dieser Parameter entspricht der Anstiegs- und Abfallzeit der Belastung von -3 dB unter der Annahme einer sphärischen Ausbreitung (ausführliche Erläuterungen finden Sie unter „Ergänzende Methoden: „Zusammenhang zwischen Schiffslärmbelastungen und AIS-Daten“). Somit kann γ für jedes in Frage kommende Schiff aus seinen AIS-Berichten (bezeichnet als γv) und unabhängig davon für jede Lärmbelastung in der Schallaufzeichnung (bezeichnet als γn) geschätzt werden, was einen Assoziationstest ermöglicht.

Obwohl γn in der Schallaufzeichnung aus der Anstiegs- und Abfallzeit der Lärmbelastung geschätzt werden kann, haben wir ein robusteres Kurvenanpassungsverfahren verwendet. Wir berechneten zunächst die 2-kHz-Oktavpegel (berechnet aus den Decidecade-Bandpegeln) in einem 10-Minuten-Fenster, das um den Höhepunkt des Schiffsdurchgangs zentriert war. Diese Messungen wurden auf die Spitzenbelichtungsleistung normiert und eine quadratische Funktion wurde an den Kehrwert der normierten Leistung angepasst. Die Anpassung der quadratischen Funktion wurde durch Berechnung des Bestimmtheitsmaßes R2 bewertet und für die anschließende Analyse wurden nur Schiffspassagen mit einem R2 ≥ 0,7 verwendet (weitere Einzelheiten finden Sie unter „Ergänzende Methoden: „Zusammenhang zwischen Schiffslärmbelastung und AIS-Daten“). . Die inverse Quadratwurzel des ersten Polynomkoeffizienten wurde als Schätzwert für γn für die Lärmbelastung herangezogen.

Nach der Berechnung von γn für jede Schiffspassage schätzten wir den Standort des Siegels während des Ereignisses. Unter der Annahme, dass die Spitzenzeit (d. h. die Zeit des maximal empfangenen Füllstands während der Schiffspassage) dem nächstgelegenen Annäherungspunkt (CPA) entspricht, haben wir die Position des Siegels während des Schiffsereignisses definiert, indem wir die zeitlich nächstgelegenen GPS-Standorte ermittelt haben und nach der CPA-Zeit und Anwenden einer linearen Interpolation über die beiden Positionen. Da GPS-Standorte unregelmäßig abgetastet wurden und Lücken von mehreren Stunden auftreten konnten, haben wir interpolierte Standorte nur dann berücksichtigt, wenn der nächstgelegene GPS-Standort innerhalb von 60 Minuten nach der Spitzenzeit lag (siehe Ergänzende Methoden: „Berechnung der Robbenstandorte während der Spitzenzeit jeder Schiffspassage“) ').

Anschließend identifizierten wir alle AIS-Schiffe, die innerhalb eines Zeitraums von 5 Minuten vor und nach der Hauptzeit jedes Schiffsdurchgangs (dh insgesamt 10 Minuten) und in einem Umkreis von 20 km um den interpolierten Standort des Seehunds zum CPA-Zeitpunkt Meldungen meldeten. Dieser Radius wurde basierend auf der Schwelle zur Erkennung von Schiffslärm und den vorhergesagten Empfangspegeln verschiedener Schiffstypen ausgewählt (siehe Ergänzende Methoden: „Schallausbreitungsverlust von Schiffen zur Bestimmung des Radius für den AIS-Datenabgleich“). Dies führte zu einer Reihe von Kandidatenschiffen, für die wir γv basierend auf der nächstgelegenen gemeldeten Position zum Standort der Robbe bei Spitzenexposition und ihrer mittleren Geschwindigkeit über ein 10-Minuten-Zeitfenster berechneten, das auf der Spitzenexpositionszeit zentriert war.

Die aus AIS und der Schallaufzeichnung abgeleiteten Formparameter γv und γn sollten übereinstimmen, wenn das Schiff die richtige Quelle der Exposition ist. Unter der Annahme, dass das nächstgelegene Schiff normalerweise die Quelle der Exposition ist, wurde eine lineare Beziehung zwischen γv und γn ermittelt, die alle Expositionen zusammenfasst (R2 = 0,28, p < 0,001). Dieses Modell wurde dann verwendet, um zu identifizieren, welches AIS-Schiff wahrscheinlich das tatsächliche Quellschiff für jede Exposition war: AIS-Schiffe, die innerhalb der zweifachen Standardabweichung um die lineare Regressionslinie lagen, wurden als „wahrscheinliche Quellschiffe“ betrachtet (siehe Ergänzende Methoden: „Zusammenhang zwischen …“) Weitere Informationen finden Sie unter „Schiffslärmbelastung und AIS-Daten“.

AIS-Schiffe wurden anhand ihrer AIS-Codes in Schiffstypkategorien eingeteilt (siehe Ergänzungstabelle S1 für die Übersetzung von AIS-Codes in Schiffstypen). Zusätzliche Informationen zu jedem AIS-Schiff wurden aus öffentlich zugänglichen Online-Datenbanken gewonnen (www.myshiptracking.com, www.vesselfinder.com und www.marinetraffic.com; URLs abgerufen am 02.03.2022).

Sieben von neun Individuen unternahmen ein oder zwei mehrtägige Offshore-Ausflüge in die Nordsee und kehrten zum Einholen ins Wattenmeer zurück (Abb. 2, Vance et al.11). Zwei Personen (hs17_109c und hs17_109d) führten während der gesamten Einsatzdauer nur kurze Küstenfahrten in den Gezeitenbereichen des Wattenmeeres durch. Die meisten Robben zeigten ein hohes Maß an Standorttreue und kehrten regelmäßig zum Ausholen auf die Lorenzensplatte zurück (Abb. 2).

Spuren von Seehunden (n = 9) in der Nordsee. Die roten Punkte veranschaulichen die Orte, an denen Hochseeschiffe während der Einsatzzeiten vorbeifahren (n = 133). Die Tagging-Site Lorenzensplate ist durch einen schwarzen Stern gekennzeichnet. In zwei aufeinanderfolgenden Jahren wurden bei drei Fängen Seehunde markiert. Die Karte wurde mit ESRI ArcGIS, Version 10.5 erstellt.

Die markierten Seehunde verbrachten 89 ± 13 % (Mittelwert ± Standardabweichung) ihrer Zeit in Meeresschutzgebieten, d. Südliche Nordsee“ (Abb. 2). Gelegentlich passierten Robben Offshore-Windparks, die einzelnen Tiere hielten sich jedoch relativ wenig Zeit in der Nähe dieser Standorte auf (Abb. 2).

Der Erkennungsprozess ergab 560 Ereignisse mit hohem Lärmpegel, von denen 321 (57,3 %) als Schiffspassagen klassifiziert wurden. 133 der 321 Schiffspassagen erfolgten während der Einsatzzeiten, also wenn der Umgebungslärm > 6 dB unter der Erkennungsschwelle lag. Die verbleibenden 188 Schiffspassagen wurden bei der Berechnung der Expositionsrate nicht berücksichtigt, da sie in Zeiträumen mit hohem Umgebungslärm stattfanden (Tabelle 2). Die On-Effort-Zeiträume umfassten insgesamt 735 Stunden (d. h. 39 % der gepoolten Aufzeichnungszeiten).

Im Durchschnitt waren Robben während der Einsatzzeiten 4,3 ± 1,6 Schiffspassagen pro Tag ausgesetzt (Tabelle 2). Die maximal empfangenen Decidecade-Pegel, d. h. der quadratische Mittelwert (RMS) des Schalldruckpegels im 2-kHz-Decicade-Band, schwankten je nach Gefäßexposition mit einem Durchschnitt von 103 ± 6 dB bei 1 µPa RMS bei 2 kHz (Abb. 3). Der höchste empfangene Pegel, der während einer Schiffspassage im Einsatz gemessen wurde, betrug 127 dB re 1 µPa RMS bei 2 kHz (30-s-Durchschnitt) (Abb. 4). Seehunde begegneten Schiffen sowohl auf ihren Offshore-Reisen als auch an Land im Wattenmeer (Abb. 2).

Verteilung der 2-kHz-Entscheidungspegel (dB re 1 µPa RMS), dh des RMS-Schalldruckpegels im 2-kHz-Entscheidungsband, für jedes Siegel, dargestellt als Violindiagramme. Die kleinen Boxplots innerhalb der Violinen geben den Median- und Interquartilbereich der Verteilungen an. Die rote gestrichelte Linie veranschaulicht den Schwellenwert (97 dB re 1 µPa) für die Gefäßerkennung. Die roten Punkte stellen die maximal empfangenen Pegel jedes Schiffsdurchgangs während der Einsatzzeiten dar (n = 133); Die Punkte sind zufällig horizontal verteilt, um die Sichtbarkeit zu erhöhen.

Schiff passierte mit dem höchsten maximalen 2-kHz-Empfangspegel in der Studie. Das obere Bild zeigt ein Spektrogramm der spektralen Leistungsdichte (PSD, d. h. Leistung pro 1-Hz-Band). Der Schiffslärm in der Aufnahme wird durch das Auftauchen der Robbe mehrfach unterbrochen. Das untere Bild zeigt die entsprechenden 2-kHz-Entscheidungsbandpegel (blaue Linie), berechnet als 30-s-Mittelwerte, wie im Text beschrieben, sowie breitbandig gewichtete Schalldruckpegel (SPL; orange Linie) von 500 Hz bis 20 kHz im Anschluss an die Frequenz Gewichtung für Phocid Seals in Water (PCW) von Southall et al.37. Die rote gestrichelte Linie veranschaulicht die Erkennungsschwelle von 97 dB, die zur Erkennung von Ereignissen mit hohem Rauschen im 2-kHz-Entscheidungsband verwendet wird.

Die meisten Schiffsbegegnungen fanden innerhalb von Meeresschutzgebieten statt (im Durchschnitt 93 ± 7 %). Durch die Zusammenfassung der Schiffspassagen und der Einsatzzeiten aller Personen schienen die Gefäßexpositionsraten innerhalb der MPAs (4,5 Schiffspassagen pro Tag) höher zu sein als außerhalb der MPAs (3,0 Schiffspassagen pro Tag). Angesichts der geringen Gesamtzeit, die Robben außerhalb von MPAs verbringen, kann dieser Unterschied jedoch unzuverlässig sein.

Der Formparameter γn wurde für alle 321 Schiffsdurchfahrten (sowohl On-Effort als auch Off-Effort) aus der Lärmexposition berechnet. Basierend auf der Anpassungsgüte der quadratischen Funktion (R2 ≥ 0,7) und der Schätzung des Standorts der Robbe zur Spitzenzeit (weitere Einzelheiten finden Sie unter „Ergänzende Methoden“) wurden 148 Schiffspassagen für die Zuordnung zu AIS-Daten erfasst .

Bei 33 von 148 Schiffspassagen (22 %) befanden sich im Umkreis von 20 km um die Robbe und innerhalb eines Zeitfensters von 10 Minuten um den Zeitpunkt der Spitzenexposition herum entweder keine oder nur stationäre AIS-registrierte Schiffe. In den übrigen 115 Fällen (78 %) bewegte sich mindestens ein AIS-Schiff im Umkreis von 20 km um die Robbe (Abb. 5).

Überblick über den Zusammenhang zwischen aufgezeichneter Schiffslärmbelastung (n = 148) und AIS-Daten. Blau zeigt den Anteil, bei dem im Umkreis von 20 km entweder kein AIS-Schiff oder nur stationäre Schiffe anwesend waren. Hellgrün stellt den Anteil der Expositionen dar, bei denen ein AIS-registriertes Schiff basierend auf konsistenten Formparametern wahrscheinlich die tatsächliche Quelle der Lärmbelastung war, während Orange den Anteil der Expositionen angibt, bei denen die aufgezeichnete Lärmbelastung keinem der vorhandenen AIS-Schiffe zugeordnet werden kann .

In den meisten Fällen befanden sich mehr als ein AIS-Schiff in der Nähe der Robben, maximal 24 Schiffe. Um zu beurteilen, welches der AIS-Schiffe in der Nähe der Robbe die Belastung verursacht haben könnte, haben wir den Formparameter der Lärmbelastung, γn, mit dem erwarteten Formparameter für jedes Schiff, γv, verglichen, der aus den AIS-Daten abgeleitet wurde. Bei 47 Expositionen (32 % aus 148 Schiffspassagen) hatte mindestens ein AIS-Schiff einen γv-Wert, der mit der Exposition γn übereinstimmte, und war somit die wahrscheinliche Quelle der Lärmexposition. In 123 Fällen (46 % der 148 Schiffspassagen) hatte kein AIS-Schiff eine Geschwindigkeit und geschätzte Annäherungsentfernung, die mit dem aus der Lärmbelastung in den DTAG-Schalldaten abgeleiteten Formparameter übereinstimmte (Abb. 5).

Basierend auf den 47 Begegnungen, bei denen die Ursprungsschiffe anhand der AIS-Daten wahrscheinlich identifiziert werden konnten, trafen Seehunde am häufigsten auf Frachtschiffe (23 Schiffspassagen; 46 %) (Abb. 6), gefolgt von Hochgeschwindigkeitsfahrzeugen (7 Schiffspassagen). ; 14 %) und andere Schiffe (6 Schiffspassagen; 12 %), eine Kategorie, die Forschungsschiffe und Offshore-Unterstützungsschiffe umfasst. (Abb. 6). Außerdem wurden mehrere Begegnungen mit Fischereifahrzeugen, Tankern und Passagierschiffen festgestellt.

Kreisdiagramm der Schiffstypen basierend auf den Schiffspassagen, bei denen die wahrscheinlichen Quellschiffe anhand der AIS-Daten identifiziert werden konnten (n = 47).

Seehunde sind zentrale Nahrungssuchende, die ihre Zeit zwischen der Rast an ihrem zentralen Ort (dh ihrer „Kolonie“ an Land) und der Nahrungssuche auf See aufteilen11,12,38. Die in dieser Studie markierten Robben zeigten die gleichen Verhaltensmuster, wobei die meisten Robben zwischen Küstengebieten im Wattenmeer und Offshore-Gebieten in der Nordsee wanderten. Mithilfe eines systematischen Erkennungs- und Klassifizierungsansatzes ermitteln wir eine durchschnittliche Expositionsrate von 4,3 Schiffsexpositionen pro Tag für Robben auf See. Aufgrund des für die Erkennung verwendeten Schwellenwerts von 97 dB re 1 µPa (2 kHz-Entscheidung) berücksichtigt diese Expositionsrate nur mittlere bis hohe Lärmbelastungen und berücksichtigt daher nicht weniger intensive Belastungen durch leisere oder weiter entfernte Schiffe. Dennoch ist die Quantifizierung der Expositionsrate gegenüber einem bestimmten Stressor, wie z. B. Schiffspassagen mit hoher Amplitude, ein wesentlicher erster Schritt, um Modelle über die Folgen von Störungen zu informieren und so unser Verständnis der Auswirkungen anthropogener Störungen auf Meeressäugetierpopulationen zu verbessern39.

Schallaufnahmen, die direkt an den Seehunden gemacht wurden, ermöglichten es uns, sowohl die Expositionsraten der Schiffe als auch die empfangenen Lärmpegel zu quantifizieren. Die maximalen Empfangspegel während der Schiffsdurchfahrten betrugen durchschnittlich 103 dB re 1 µPa RMS im 2-kHz-Entscheidungsband und der maximale Empfangspegel jeder Schiffspassage betrug 127 dB re 1 µPa RMS im selben Band. Die entsprechenden Breitbandpegel dieser Expositionen konnten in dieser Studie aufgrund des variablen niederfrequenten Strömungsgeräuschs, das bei Tonaufzeichnungen am Tier inhärent ist, nicht direkt gemessen werden. Die gehörgewichteten Breitbandpegel wären wesentlich höher als die Pegel im 2-kHz-Entscheidungsband, da Schiffe bei niedrigen Frequenzen eine größere Schallenergie erzeugen (Abb. 4, MacGillivray und de Jong16). Obwohl es möglicherweise möglich ist, gehörgewichtete Schallpegel bis zu einem gewissen Grad aus den höheren Frequenzbandpegeln vorherzusagen, die mit Tags gemessen werden können, liegt die Stärke des hier verwendeten Tag-basierten Dosimetrie-Ansatzes darin, dass er eine direkte Messung des Gefäßes liefert Lärmbelastungsrate einzelner Tiere.

Alternative Ansätze zur Quantifizierung von Schiffsexpositionsraten und empfangenen Lärmpegeln kombinieren Tierverfolgungsdaten mit AIS-Berichten über Schiffsbewegungen und stützen sich auf Vorhersagen der Quellenhöhe und Schallausbreitungsmodellierung, die beide eine Reihe von Annahmen erfordern (z. B. Wahl der Schallausbreitung und Schiffsquelle). Pegelmodelle, Auflösung von Robben- und Schiffsstandorten, Umweltdaten usw.)18,19,20. Darüber hinaus sind diese Vorhersagestudien von der Vollständigkeit der AIS-Daten abhängig und können Schiffe ohne AIS, die in Küstengebieten zahlreich vorkommen können, nicht berücksichtigen21. In unserer Studie konnten die meisten Schiffslärmbelastungen nicht mit einem AIS-Schiff in einem Umkreis von 20 km um die Robben in Einklang gebracht werden. Nur 32 % der Schiffslärmereignisse standen im Zusammenhang mit einem AIS-Schiff, dessen Geschwindigkeit und Annäherungsentfernung mit der Form der Lärmbelastung übereinstimmten. Das geringe Vorhersagepotenzial von AIS-Daten für die aufgezeichnete Schiffslärmbelastung ist überraschend, könnte aber durch (1) räumliche und zeitliche Lücken in den AIS-Daten40, (2) das Vorhandensein kleiner Schiffe ohne AIS21 und (3) AIS-Schiffe erklärt werden die ihren AIS-Sender ausgeschaltet haben, z. B. Fischereifahrzeuge, die möglicherweise illegale Fischereiaktivitäten verschleiern22,23. Unsere Methode zur Zuordnung von AIS-Berichten zu Lärmbelastungen kann auch zu einigen Fehlern führen, z. B. aufgrund der komplexen und variablen Schallausbreitung in Flachwasserumgebungen sowie der Bewegungen der Robbe während der Belastung, und eine weitere Validierung ist erforderlich. Das gravierende Fehlen einer einfachen Eins-zu-Eins-Verbindung zwischen akustischen Schiffspassagen und AIS-Schiffen, die hier zu finden sind, verdeutlicht jedoch das Risiko erheblicher Fehler bei der Vorhersage der Lärmbelastung durch Tiere, die nur auf den AIS-Schiffen in der Nähe ihrer Gleislinien basiert.

Obwohl ein großer Teil der Schiffslärmbelastung nicht einem AIS-Schiff zugeschrieben werden konnte, deuten die Übereinstimmungen zwischen erkannten Schiffspassagen und AIS-Schiffen darauf hin, dass markierte Seehunde im Einklang mit der vielfältigen menschlichen Nutzung der Nordsee auf eine Vielzahl von Schiffstypen trafen6. Unter den AIS-Schiffen trafen markierte Seehunde am häufigsten auf Frachtschiffe (46 %) und Hochgeschwindigkeitsschiffe (14 %). Beide fahren in der Regel auf vordefinierten Routen zwischen Häfen oder zwischen dem Hafen und Offshore-Anlagen, beispielsweise Offshore-Windparks. Hochgeschwindigkeitsfahrzeuge sind in der Regel an der Wartung von Offshore-Anlagen und dem Transport von Besatzung und Material beteiligt. Der Ausbau der erneuerbaren Offshore-Energie wird zu einem Anstieg des Dienstleistungsverkehrs führen und möglicherweise in Zukunft zu mehr Schiffsrisiken führen. Die häufigen Begegnungen mit Frachtschiffen und Schnellbooten sowie die Begegnungen mit Fischereifahrzeugen und Passagierschiffen lassen darauf schließen, dass attraktive Lebensräume für Seehunde in unmittelbarer Nähe wichtiger Schifffahrtsrouten und Fischgründe liegen. Daher müssen Seehunde möglicherweise einen Kompromiss zwischen günstigen Nahrungs- oder Rastplätzen und der häufigen Lärmbelastung durch vorbeifahrende Schiffe eingehen.

Es gibt nur wenige Studien zu den Auswirkungen von Schiffslärm auf Robben, es wurde jedoch vereinzelt über Verhaltensreaktionen durch die Belastung auf See und an Land berichtet27. Schwellenwerte für Verhaltensreaktionen, wie z. B. eine Einstellung der Nahrungsaufnahme, die dazu führt, dass Gelegenheiten zur Nahrungssuche verpasst werden, sind von entscheidender Bedeutung, um die ökologischen Folgen des Schiffslärms auf Seehunde beurteilen zu können. Die in dieser Studie entwickelten Methoden und Tools zur automatischen Schiffspasserkennung und AIS-Zuweisung stellen einen entscheidenden Fortschritt dar, da eine manuelle Analyse für die Langzeitaufzeichnungen, die zur Untersuchung zufälliger Expositionen erforderlich sind, nicht möglich ist. Die Quantifizierung der Belastung durch Schiffslärm mit langfristigen Schall- und Bewegungsmarkierungen ermöglicht uns als nächsten Schritt die Untersuchung von Verhaltensänderungen und ist daher besonders nützlich bei der Bewertung der kumulativen Auswirkungen von Schiffsbelastungen.

In der vorliegenden Studie verbrachten Seehunde die meiste Zeit in Meeresschutzgebieten. In den Meeresschutzgebieten sind mehrere anthropogene Aktivitäten auf Schiffen erlaubt: Durch sie verlaufen Schifffahrtswege, ein in Betrieb befindlicher Offshore-Windpark („Butendiek“) befindet sich innerhalb des SAC Sylt Outer Reef und kommerzielle Fischereiaktivitäten finden in diesen Schutzgebieten mit wenig Regulierung statt41, 42. Der grundlegende Zweck von MPAs besteht darin, den Lebensraum zu erhalten und empfindlichen Arten Zufluchtsorte zu bieten, um die Populationszahlen zu stabilisieren. Der von diesen Standorten gewährte Schutz sollte sich daher auf anthropogene Störungen erstrecken, die sich auf biologisch wichtige Verhaltensweisen (z. B. Ruhen, Nahrungssuche und Fortpflanzung) auswirken. In dieser Studie beleuchten wir die Möglichkeit, dass Seehunde in Schutzgebieten wiederholt Schiffslärm mit hoher Amplitude ausgesetzt sind. Wenn solche Belastungen energische Verhaltensreaktionen hervorrufen, könnte ihre häufige Wiederholung über einen längeren Zeitraum hinweg Auswirkungen auf die individuelle Fitness der Robben haben, was sich wiederum auf den Erhaltungszustand der Seehundpopulationen in diesen Schutzgebieten auswirken kann, wenn geeignete Managementmaßnahmen zur Reduzierung der Belastungen durch Schiffe und des Lärms ergriffen werden werden nicht genommen.

Die vorliegende Studie quantifizierte die Expositionsraten von neun freilebenden Seehunden gegenüber Schiffslärm mittlerer bis hoher Amplitude im Wattenmeer und der angrenzenden Nordsee. Mithilfe eines systematischen Ansatzes zur Erkennung von Schiffslärm in langfristigen akustischen Aufzeichnungen am Tier zeigen wir, dass Seehunde im Durchschnitt 4,3 Schiffsüberfahrten mit hohem Lärmpegel pro Tag ausgesetzt sind. Gleichzeitige AIS-Daten ermöglichen in einigen Fällen (32 %) eine Zuordnung der Lärmbelastung zu bestimmten Schiffen und geben Aufschluss darüber, welche Schiffsklassen am meisten zu den von den Tieren aufgenommenen Pegeln beitragen. Allerdings konnten wir in den meisten Fällen (68 %) – entweder weil kein AIS-Schiff anwesend war oder die aufgezeichnete Lärmbelastung nicht plausibel einem der anwesenden AIS-Schiffe zugeordnet werden konnte – die Schiffslärmbelastung einem AIS-Schiff zuordnen. Ein registriertes Schiff weist darauf hin, dass die Schätzung der Tierlärmbelastung ausschließlich auf der Grundlage von AIS-Daten mit erheblichen Fehlern behaftet sein kann.

Die meisten Schiffsbegegnungen fanden innerhalb von MPAs statt, was die potenziell umfangreiche anthropogene Nutzung dieser Gebiete trotz ihres Schutzstatus verdeutlicht. Die Quantifizierung der Schiffslärmbelastungsraten ist der erste Schritt zur Bewertung der ökologischen Relevanz des Schiffslärms für Robben, die aufgrund ihres guten Tieftonhörvermögens möglicherweise besonders gefährdet sind. Diese Informationen werden von entscheidender Bedeutung sein, um die kumulativen physiologischen und ökologischen Auswirkungen von Schiffspassagen auf Seehunde zu bewerten und geeignete Abhilfemaßnahmen zu treffen.

Die während der aktuellen Studie generierten und analysierten Datensätze sind im Dryad-Repository unter https://doi.org/10.5061/dryad.mkkwh714m verfügbar.

Frisk, GV Noiseonomics: Der Zusammenhang zwischen Umgebungslärmpegeln im Meer und globalen Wirtschaftstrends. Wissenschaft. Rep. 2, 437 (2012).

Artikel ADS PubMed PubMed Central Google Scholar

Tournadre, J. Anthropogener Druck auf das offene Meer: Das Wachstum des Schiffsverkehrs, das durch die Analyse von Höhenmesserdaten aufgedeckt wurde. Geophys. Res. Lette. 41, 7924–7932 (2014).

Artikel ADS Google Scholar

Sertlek, H. Ö., Slabbekoorn, H., ten Cate, C. & Ainslie, MA Quellenspezifische Schallkartierung: Räumliche, zeitliche und spektrale Schallverteilung in der niederländischen Nordsee. Umgebung. Umweltverschmutzung. 247, 1143–1157 (2019).

Artikel CAS PubMed Google Scholar

Hildebrand, JA Anthropogene und natürliche Quellen von Umgebungslärm im Ozean. März Ecol. Prog. Ser. 395, 5–20 (2009).

Artikel ADS Google Scholar

Halpern, BS et al. Eine globale Karte des menschlichen Einflusses auf Meeresökosysteme. Science 319, 948–952 (2008).

Artikel ADS CAS PubMed Google Scholar

Emeis, K.-C. et al. Die Nordsee – ein Schelfmeer im Anthropozän. J. Mar. Syst. 141, 18–33 (2015).

Artikel Google Scholar

Díaz, H. & Guedes Soares, C. Überblick über den aktuellen Status, die Technologie und zukünftige Trends von Offshore-Windparks. Ocean Eng. 209, 107381 (2020).

Artikel Google Scholar

Vespe, M. et al. Kartierung der EU-Fischereiaktivitäten mithilfe von Schiffsverfolgungsdaten. J. Maps 12, 520–525 (2016).

Artikel Google Scholar

Galatius, A. et al. Seehunduntersuchungen im Wattenmeer und Helgoland 2021 (Gemeinsames Wattenmeer-Sekretariat (CWSS), 2021).

ICES. Arbeitsgruppe für Meeressäugetierökologie (WGMME). In ICES Scientific Reports 3 (International Council for the Exploration of the Sea, 2021).

Vance, HM et al. Treiber und Einschränkungen der Offshore-Nahrungssuche bei Seehunden. Wissenschaft. Rep. 11, 6514 (2021).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Liebsch, N., Wilson, RP & Adelung, D. Nutzung von Zeit und Raum durch Seehunde (Phoca vitulina vitulina), bestimmt durch neue Fernerkundungsmethoden. In Progress in Marine Conservation in Europe – NATURA 2000-Gebiete in deutschen Offshore-Gewässern (Hrsg. von Nordheim, H. et al.) 179–188 (Springer, 2006). https://doi.org/10.1007/3-540-33291-X_11.

Tougaard, J., Ebbesen, I., Tougaard, S., Jensen, T. & Teilmann, J. Satellitenverfolgung von Seehunden am Horns Reef. Technischer Bericht an Techwise A/S. In biologischen Papieren aus dem Fischerei- und Schifffahrtsmuseum, Esbjerg. NEIN. 3 (2003).

Reichmuth, C., Holt, MM, Mulsow, J., Sills, JM & Southall, BL Vergleichende Bewertung des amphibischen Gehörs bei Flossenfüßern. J. Comp. Physiol. A 199, 491–507 (2013).

Artikel Google Scholar

Kastelein, RA, Wensveen, PJ, Hoek, L. & Terhune, JM Unterwasser-Hörempfindlichkeit von Seehunden (Phoca vitulina) für schmale Lärmbänder zwischen 0,2 und 80 kHz. J. Acoust. Soc. Bin. 126, 476–483 (2009).

Artikel ADS PubMed Google Scholar

MacGillivray, A. & de Jong, C. Ein Referenzspektrummodell zur Schätzung der Quellwerte der Seeschifffahrt auf der Grundlage von Daten des Automated Identification System. J. Mar. Sci. Ing. 9, 369 (2021).

Artikel Google Scholar

Hermannsen, L., Beedholm, K., Tougaard, J. & Madsen, PT Hochfrequenzkomponenten von Schiffslärm in flachem Wasser mit einer Diskussion der Auswirkungen auf Schweinswale (Phocoena phocoena). J. Acoust. Soc. Bin. 136, 1640–1653 (2014).

Artikel ADS PubMed Google Scholar

Jones, EL et al. Robben und Schifffahrt: Quantifizierung des Bevölkerungsrisikos und der individuellen Belastung durch Schiffslärm. J. Appl. Ökologisch. 54, 1930–1940 (2017).

Artikel Google Scholar

Trigg, LE et al. Vorhersage der Belastung tauchender Kegelrobben durch Schiffslärm. J. Acoust. Soc. Bin. 148, 1014–1029 (2020).

Artikel ADS PubMed Google Scholar

Jones, EL et al. Berichtigung zu: Robben und Schifffahrt: Quantifizierung des Bevölkerungsrisikos und der individuellen Belastung durch Schiffslärm. J. Appl. Ökologisch. 56, 792 (2019).

Google Scholar

Hermannsen, L. et al. Freizeitschiffe ohne automatisches Identifikationssystem (AIS) dominieren den anthropogenen Lärmbeitrag zur Geräuschkulisse im Flachwasser. Wissenschaft. Rep. 9, 1–10 (2019).

Artikel CAS Google Scholar

Kontopoulos, I., Chatzikokolakis, K., Zissis, D., Tserpes, K. & Spiliopoulos, G. Echtzeit-Erkennung maritimer Anomalien: Erkennung absichtlicher AIS-Abschaltung. Int. J. Big Data Intel. 7, 85 (2020).

Artikel Google Scholar

Welch, H. et al. Brennpunkte unsichtbarer Fischereifahrzeuge. Wissenschaft. Adv. 8, eabq2109 (2022).

Artikel ADS PubMed PubMed Central Google Scholar

Wisniewska, DM et al. Hoher Schiffslärm stört die Nahrungssuche wild lebender Schweinswale (Phocoena phocoena). Proz. R. Soc. B Biol. Wissenschaft. 285, 20172314 (2018).

Artikel Google Scholar

Holt, MM, Hanson, MB, Giles, DA, Emmons, CK & Hogan, JT Lärmpegel, denen der gefährdete Schwertwal Orcinus orca vor und nach der Umsetzung der Schiffsvorschriften ausgesetzt war. Bedrohen. Artenres. 34, 15–26 (2017).

Artikel Google Scholar

Johnson, MP, Aguilar-de-Soto, N. & Madsen, PT Untersuchung des Verhaltens und der sensorischen Ökologie von Meeressäugetieren mithilfe akustischer Aufzeichnungsetiketten: Ein Rückblick. März Ecol. Prog. Ser. 395, 55–73 (2009).

Artikel ADS Google Scholar

Mikkelsen, L. et al. Langfristige Schall- und Bewegungsaufzeichnungsmarken zur Untersuchung des natürlichen Verhaltens und der Reaktion von Seehunden auf Schiffslärm. Ökologisch. Entwicklung 9, 2588–2601 (2019).

Artikel PubMed PubMed Central Google Scholar

Jeffries, SJ, Brown, RF & Harvey, JT Techniken zum Fangen, Handhaben und Markieren von Seehunden. Aquat. Mamm. 19, 21–25 (1993).

Google Scholar

Hasselmeier, I., Fonfara, S., Driver, J. & Siebert, U. Differenzielle hämatologische Profile freilaufender, rehabilitierter und in Gefangenschaft lebender Seehunde (Phoca vitulina) der deutschen Nordsee. Aquat. Mamm. 34, 149–156 (2008).

Artikel Google Scholar

Johnson, M., Partan, J. & Hurst, T. Verlustfreie Komprimierung von Unterwassertonaufnahmen mit geringer Komplexität. J. Acoust. Soc. Bin. 133, 1387–1398 (2013).

Artikel ADS PubMed Google Scholar

Dujon, AM, Lindstrom, RT & Hays, GC Die Genauigkeit von Fastloc-GPS-Standorten und Auswirkungen auf die Tierverfolgung. Methoden Ecol. Entwicklung 5, 1162–1169 (2014).

Artikel Google Scholar

Merchant, ND, Pirotta, E., Barton, TR & Thompson, PM Überwachung des Schiffslärms, um die Auswirkungen von Küstenentwicklungen auf Meeressäugetiere zu bewerten. Mar. Pollut. Stier. 78, 85–95 (2014).

Artikel CAS PubMed Google Scholar

ISO: 18405.2 „Unterwasserakustik – Terminologie“ https://www.iso.org/standard/62406.html (2017).

Blair, HB, Merchant, ND, Friedlaender, AS, Wiley, DN & Parks, SE Beweise für die Auswirkungen von Schiffslärm auf das Futtersuchverhalten von Buckelwalen. Biol. Lette. 12, 20160005 (2016).

Artikel PubMed PubMed Central Google Scholar

Gillespie, D., Caillat, M., Gordon, J. & White, P. Automatische Erkennung und Klassifizierung von Odontozetenpfeifen. J. Acoust. Soc. Bin. 134, 2427–2437 (2013).

Artikel ADS PubMed Google Scholar

Hammond, PS et al. Schätzung der Häufigkeit von Meeressäugetierpopulationen. Vorderseite. Mar. Sci. 8, 735770 (2021).

Artikel Google Scholar

Southall, BL et al. Kriterien für die Lärmexposition von Meeressäugetieren: Aktualisierte wissenschaftliche Empfehlungen für verbleibende Höreffekte. Aquat. Mamm. 45, 125–232 (2019).

Artikel Google Scholar

Thompson, PM, Mackay, A., Tolit, DJ, Enderby, S. & Hammond, PS Der Einfluss von Körpergröße und Geschlecht auf die Merkmale von Seehund-Suchfahrten. Dürfen. J. Zool. 76, 1044–1053 (1998).

Artikel Google Scholar

Pirotta, E. et al. Verständnis der Auswirkungen von Störungen auf die Bevölkerung. Ökologisch. Entwicklung 8, 9934–9946 (2018).

Artikel PubMed PubMed Central Google Scholar

Natale, F., Gibin, M., Alessandrini, A., Vespe, M. & Paulrud, A. Kartierung des Fischereiaufwands anhand von AIS-Daten. PLoS ONE 10, e0130746 (2015).

Artikel PubMed PubMed Central Google Scholar

BfN. In Die Meeresschutzgebiete in der deutschen ausschließlichen Wirtschaftszone der Nordsee—Beschreibung und Zustandsbewertung—BfN-Skripten 477 (Bundesamt für Naturschutz, 2017).

Knefelkamp, B. et al. Der Zustand der Natura-2000-Schutzgüter in den deutschen Gewässern der Nordsee. Natur und Landsch. 97, 18–27 (2022).

Google Scholar

Referenzen herunterladen

Die Studie wurde vom Bundesamt für Naturschutz (BfN) im Rahmen der Projekte „Auswirkungen von Unterwasserlärm auf Meereswirbeltiere“ (Cluster 7, Z1.2-53302/2010/14) und „Unterwasserlärmauswirkungen – UWE“ gefördert. (FKZ 3515822000) und im Rahmen des SATURN-Projekts, das im Rahmen der Fördervereinbarung Nr. 101006443 aus dem Forschungs- und Innovationsprogramm Horizon 2020 der Europäischen Union gefördert wird. Die Robbenfänge wurden von der Schleswig-Holsteinischen Landesgesellschaft finanziert und unterstützt Küstenschutz, Nationalparks und Meeresschutz (LKN). Wir möchten allen Helfern bei den Robbenfängen und der Markierungsbergung danken. Besonders dankbar sind wir Heather Vance für ihre Hilfe bei der Tag-Vorbereitung und -Kalibrierung. Wir danken Mirko Hauswirth (BfN) und Emily Griffiths (Universität Aarhus) für die Bereitstellung von AIS-Daten aus deutschen bzw. dänischen Gewässern. MJ wurde bei der Entwicklung der Tags durch einen Marie Curie-Sklodowska Career Integration Grant (EU-FP7) und von MASTS, der Marine Alliance for Science and Technology Scotland, unterstützt. Wir danken zwei anonymen Gutachtern für ihr konstruktives Feedback, das unser Manuskript erheblich verbessert hat.

Open-Access-Förderung ermöglicht und organisiert durch Projekt DEAL.

Institut für terrestrische und aquatische Wildtierforschung, Stiftung Tierärztliche Hochschule Hannover, Werftstraße 6, 25761, Büsum, Deutschland

Dominic Andrew Nachtsheim, Tobias Schaffeld, Abbo van Neer, John Baltzer, Andrew Ruser, Ursula Siebert & Joseph G. Schnitzler

Aarhus Institute of Advanced Studies, Universität Aarhus, 8000, Aarhus, Dänemark

Mark Johnson

Zoophysiologie, Fachbereich Biologie, Universität Aarhus, 8000, Aarhus, Dänemark

Mark Johnson, Peter T. Madsen, Charlotte R. Findlay und Laia Rojano-Doñate

Marine Mammal Research, Abteilung für Ökowissenschaften, Universität Aarhus, 4000, Roskilde, Dänemark

Laia Rojano-Doñate, Jonas Teilmann und Lonnie Mikkelsen

Norwegisches Polarinstitut, Fram Centre, 9296, Tromsø, Norwegen

Lonnie Mikkelsen

Sie können diesen Autor auch in PubMed Google Scholar suchen

DAN, MJ, PTM, JS, JT, AR und US konzipierten die Ideen und entwickelten die Methodik, AvN, JT, LM, US, TS und DAN sammelten die Daten; DAN, TS, MJ, LRD und CRF analysierten die DTAG-Daten, um Schiffe zu erkennen und zu klassifizieren; DAN, JB und AR analysierten die AIS-Daten; DAN leitete das Schreiben des Manuskripts. Alle Autoren haben sich kritisch an den Entwürfen beteiligt und die endgültige Freigabe zur Veröffentlichung erteilt.

Korrespondenz mit Dominik André Nachtsheim.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative-Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht durch gesetzliche Vorschriften zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Nachtsheim, DA, Johnson, M., Schaffeld, T. et al. Schiffslärmbelastung von Seehunden aus dem Wattenmeer. Sci Rep 13, 6187 (2023). https://doi.org/10.1038/s41598-023-33283-z

Zitat herunterladen

Eingegangen: 09. Mai 2022

Angenommen: 11. April 2023

Veröffentlicht: 15. April 2023

DOI: https://doi.org/10.1038/s41598-023-33283-z

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.