A Comparison of Methods for Sampling round Goby in Rocky Littoral Areas
Notice bibliographique
Résumé
Abstract Invasion of the round goby Neogobius melanostomus in the Great Lakes has prompted investigation into qualitative and quantitative sampling strategies. Design of an optimal sampling strategy to monitor expanding round goby populations should consider the accuracy, precision, and associated costs of gears and their deployment strategies. The goal of this study was to compare three common, low-cost, readily available gear types used to sample round goby (gill nets, minnow traps, and trotlines) in terms of catch rates, size selectivity, and bycatch. During fall assessments, baited minnow traps were the most effective at collecting round goby, followed by trotlines and monofilament gill nets. Minnow traps were more selective of small round goby, while trotlines and gill nets were more selective of larger individuals. Bycatch associated with minnow traps and trotlines was lower than that associated with gill nets. Seasonal variation in gear effectiveness was apparent: during spring, gill nets caught 216 round goby and minnow traps caught none, while during the fall only 11 round goby were captured in gill nets and 868 were captured in minnow traps. During summer assessments, diel movements were evident, as gill nets set during periods of low or no light captured more round goby than those set during the day. The cost-benefit analysis indicated that passive gears had lower scores (i.e., were more cost-effective) than active gears. The financial cost of the three gears indicated that the cost per round goby varied among gears and seasons. Our results demonstrated that baited minnow traps set overnight were the most efficient, easily deployed, cost-effective gear and exhibited less variable catch rates during late summer and fall than either gill nets or trotlines.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».