Accuracy and precision of the continuous underway fish egg sampler (CUFES) and bongo nets: a comparison of three species of temperate fish
Notice bibliographique
Résumé
Abstract We examine the accuracy and precision of the continuous underway fish egg sampler (CUFES) relative to bongo nets based on the catch ratio of Atlantic cod ( Gadus morhua ), American plaice ( Hippoglossoides platessoides ), and cunner ( Tautogolabrus adspersus ). We derived expectation of catch ratios based on the application of a one‐dimensional model of the vertical distribution of fish eggs applied to cod and on prior data on egg vertical distribution. Samples were collected in May and August 2001, two periods when the vertical structure of the water column differed substantially. Stationary CUFES collections did not yield significant differences in accuracy or precision relative to the underway CUFES. In May, when there was relatively little stratification, the CUFES‐to‐bongo catch ratio of cod and plaice eggs was well within expectations based on model predictions. In August, the CUFES‐to‐bongo catch ratios of cod and cunner were higher than expected. Generally, there was a greater proportion of early stage eggs in bongo than in CUFES samples, with the strongest differences in American plaice. The replicate variance of the CUFES was ∼25 times greater than that of the bongo nets, probably because of the large volumes sampled by bongo nets relative to the CUFES. Given that the CUFES provides greater accuracy in mapping but lower precision than bongo nets, multiple sampling gears may be the most effective method for surveying fish eggs of pelagic and demersal species.
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 | 0,000 | 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 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».