MétaCan
Menu
Retour à la cohorte
Enregistrement W2060334509 · doi:10.1002/rra.1362

A high‐resolution hydrodynamic investigation of brown trout (<i>Salmo trutta</i>) and rainbow trout (<i>Oncorhynchus mykiss</i>) redds

2010· article· en· W2060334509 sur OpenAlexaff
Mason Marchildon, W. K. Annable, Jack Imhof, Michael Power

Notice bibliographique

RevueRiver Research and Applications · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensUniversity of GuelphUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésFroude numberSalmoTurbulenceEnvironmental scienceRainbow troutBrown troutReynolds numberHydraulicsTurbulence kinetic energyHydrology (agriculture)OncorhynchusAcoustic Doppler velocimetryFish migrationFisheryFlow (mathematics)GeologyPhysicsFish <Actinopterygii>MeteorologyBiologyMechanics

Résumé

récupéré en direct d'OpenAlex

Abstract High‐resolution velocity measurements were taken over a series of redds on a gravel‐bed stream using a Pulse Coherent Acoustic Doppler Profiler (PCADP) to quantify the hydrodynamics of brown trout ( Salmo trutta ) and rainbow trout ( Oncorhynchus mykiss ) redds. On redds studied, over 4500 velocity measurements per redd were acquired per day to quantify the flow velocity, flow depth and related fluid mechanics metrics of Reynolds numbers, Froude numbers and turbulent kinetic energy per unit area. Results showed that velocity and Froude numbers varied widely at the redd scale, but consistently showed higher velocities and Froude numbers over the tailspill regions relative to the surrounding study limits. Results of Reynolds numbers calculations showed no apparent correlations to spawning location preference and redd structure. Turbulent kinetic energy per unit area consistently demonstrated a strong correlation with redd locations. The metric maintained low values (i.e. unidirectional flow with little turbulence) where all redds and attempted redds were observed. The study also demonstrates that a number of hydraulic metrics and several spatial scales will likely be necessary to understand any inherent relationship between river hydraulics and redd placement. Copyright © 2010 John Wiley &amp; Sons, Ltd.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,333
Score d'incertitude au seuil0,723

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,265
Écart entre enseignants0,250 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations13
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRiver Research and ApplicationsMême sujetFish Ecology and Management StudiesTravaux en français237 207