Application of in situ target-strength estimations in lakes: examples from rainbow-smelt surveys in Lakes Erie and Champlain
Notice bibliographique
Résumé
Abstract Acoustic abundance of fish depends directly on the target strength (TS) of the fish surveyed. We analyzed 70 and 120 kHz acoustic data from two lakes with abundant rainbow-smelt (Osmerus mordax) populations. Using repeated surveys through the summer growing season, we derived a relationship between TS (dB) and fish length L (cm) at 120 kHz (TS = 19.9 log10 L − 67.8). Values for 70 kHz were similar. In situ TS increased with fish density, indicating a bias from accepting multiple targets at high fish densities. Correcting for this bias increased estimates of smelt abundance by up to 18% in Lake Erie and up to 100% in Lake Champlain. Multiple modes in the TS distributions observed for older fish do not reflect different size groups, as the same modes can be observed from measurements from a single fish. Smelt released gas bubbles during the evening ascent, and these bubbles had TS (−60 to −58 dB) within the range of TS observed from the fish. Gas-bubble release occurred mostly during the migration. Conducting surveys after the ascent is completed will decrease bias associated with counting bubbles as fish.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 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 ».