MétaCan
Menu
Retour à la cohorte
Enregistrement W2055077497 · doi:10.1139/a2012-001

Non-physical barriers to deter fish movements

2012· article· en· W2055077497 sur OpenAlexvenueno aff
Matthew R. Noatch, Cory D. Suski

Notice bibliographique

RevueEnvironmental Reviews · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFish <Actinopterygii>Deterrence theoryEnvironmental scienceFisheryEnvironmental resource managementBusinessHydroelectricityDiversity of fishRisk analysis (engineering)Environmental planningEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Anthropogenic modifications to aquatic ecosystems have altered connecting pathways within, and in some cases, between watersheds. Human structures, such as hydroelectric facilities, often impede fish migrations and may inflict heavy mortality on fish that become impinged or entrained. Conversely, an increase in connectivity between two waterways (e.g., through the construction of shipping canals, increased boat traffic) often results in an elevated risk of invasive species introductions. Non-physical barriers, which obstruct fish from an undesirable location without influencing the waterway, are one management approach to protecting valuable fish stocks and deterring biological invasions. Because many methods of behavioral deterrence have been employed against fish, there is a need to summarize and compare existing and developing technologies. This review details the use and application of electrical, visual, acoustic, chemical, and hydrological deterrence techniques that may be used to prevent fish movements. Site requirements are discussed, and a critical assessment of benefits and limitations to each technique are given. Because no single method of fish deterrence is “one size fits all”, this review to non-physical fish barrier technology will benefit managers and researchers attempting to develop a best-fit strategy on a case-by-case basis.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,010
Tête enseignante GPT0,237
Écart entre enseignants0,227 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations254
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental ReviewsMême sujetFish Ecology and Management StudiesTravaux en français237 207