MétaCan
Menu
Retour à la cohorte
Enregistrement W2118260970 · doi:10.1111/j.1365-2400.2007.00557.x

Non‐salmonids in a salmonid fishway: what do 50 years of data tell us about past and future fish passage?

2007· article· en· W2118260970 sur OpenAlexfundno aff
M Mallen-Cooper, D. A. BRAND

Notice bibliographique

RevueFisheries Management and Ecology · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesNSW Department of Primary IndustriesMcMaster University
Mots-clésFisheryFish <Actinopterygii>Range (aeronautics)BiologyEcologyFish migrationGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Salmonid fishways have been used in many countries for non‐salmonid fishes, including Australia, but generally with poor results. Trapping the entrance and exit of a 1:9 gradient salmonid fishway on the Murray River confirmed very poor passage of native fish, with &lt;1% of the most abundant species ascending. Fifty years of fish passage monitoring showed the numbers of three native species declining by 95–100% and non‐native fish becoming dominant. Fishways are now being designed for native fish and being quantitatively assessed, but daily flow management also needs to be addressed. The ecological model for passage of potamodromous fishes has changed from passing adults of a few species to one that incorporates the whole fish community, specifically: immature fish of large‐bodied species that dominate numbers migrating upstream; a diverse range of movement strategies; and small‐bodied species, crustaceans and low numbers of less‐mobile species.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,222
Score d'incertitude au seuil1,000

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 technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,009
Tête enseignante GPT0,211
Écart entre enseignants0,202 · 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.

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

Citations198
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFisheries Management and EcologyMême sujetFish Ecology and Management StudiesTravaux en français237 207