Detecting Invasive Round Goby in Wadeable Streams: A Comparison of Gear Types
Notice bibliographique
Résumé
Abstract The invasion of round goby Neogobius melanostomus into tributaries of the Laurentian Great Lakes poses concerns for the conservation of native fish communities and the functioning of stream ecosystems. In streams, where standard methods for detection are lacking, development of sensitive sampling methods to identify round goby-invaded sites is a prerequisite for the implementation of effective management strategies. We sampled 34 stream sites that spanned a range of goby densities with two active gears (electrofishing and seining) and one passive gear (minnow traps) to compare gear efficiency at detecting invasive round goby. Naive occupancy, defined as the number of sites where goby were detected with each gear divided by the total number of sites, was 0.79 (27/34 sites) for seining, 0.68 (23/34) for electrofishing, and 0.50 (17/34) for traps. The probability of detecting a single round goby in a single pass (determined with single-season, constant-probability models) was 0.75 ± 0.065 (mean ± SE) for minnow traps, 0.69 ± 0.056 for seining, and 0.47 ± 0.075 for electrofishing. Mean ± SE catch per unit effort (CPUE; round goby/min) was 0.716 + 0.158 for seining, 0.137 ± 0.043 for electrofishing, and 0.078 ± 0.022 for minnow traps, seining being significantly more efficient than minnow traps and electrofishing. The CPUE did not differ between electrofishing and traps. Mean goby size did not differ among gear types, but a size bias was detected when data from a related study were included in the analysis, seining capturing smaller round goby. Based on the sensitivity and efficiency of seining, we conclude that when stream conditions allow, this gear is a practical means of detecting round goby and determining their abundance in streams. Received August 11, 2011; accepted January 4, 2012
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».