Evaluation of fish-injury mechanisms during exposure to turbulent shear flow
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Understanding the factors that injure or kill turbine-passed fish is important to the operation and design of the turbines. Motion-tracking analysis was performed on high-speed, high-resolution digital videos of juvenile salmonids exposed to a laboratory-generated shear environment to isolate injury mechanisms. Hatchery-reared fall chinook salmon (Oncorhynchus tshawytscha, 93128 mm in length) were introduced into a submerged, 6.35-cm-diameter water jet at velocities ranging from 12.2 to 19.8 m·s 1 , with a reference control group released at 3 m·s 1 . Injuries typical of turbine-passed fish were observed and recorded. Three-dimensional trajectories were generated for four locations on each fish released. Time series of velocity, acceleration, force, jerk, and bending angle were computed from the three-dimensional trajectories. The onset of minor, major, and fatal injuries occurred at nozzle velocities of 12.2, 13.7, and 16.8 m·s 1 , respectively. Opercle injuries occurred at 12.2 m·s 1 nozzle velocity, while eye injuries, bruising, and loss of equilibrium were common at velocities of 16.8 m·s 1 and above. Of the computed dynamic parameters, acceleration showed the strongest predictive power for eye and opercle injuries and overall injury level, and it may provide the best potential link between laboratory studies of fish injury, field studies designed to collect similar data in situ, and numerical modeling.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle