MétaCan
Menu
Retour à la cohorte
Enregistrement W2137241077 · doi:10.1577/m05-047.1

Fish Entrainment into Irrigation Canals: An Analytical Approach and Application to the Bow River, Alberta, Canada

2006· article· en· W2137241077 sur OpenAlexaffabout
John R. Post, Brett T. van Poorten, Trevor. Rhodes, Paul J. Askey, Andrew J. Paul

Notice bibliographique

RevueNorth American Journal of Fisheries Management · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensAlberta Environment and Protected AreasUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésBrown troutRainbow troutFisherySalmoTroutEnvironmental scienceEntrainment (biomusicology)Population dynamics of fisheriesPopulationFish <Actinopterygii>Hydrology (agriculture)BiologyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract The Carseland Canal on the Bow River, Alberta, diverted water at a rate of 1.4–37.7 m3/s during the 2003 irrigation season. We estimated daily entrainment rates of rainbow trout Oncorhynchus mykiss, brown trout Salmo trutta, and mountain whitefish Prosopium williamsoni throughout the diversion season using population assessments of fish in the Bow River and the irrigation canal coupled to an estimate of the evacuation rate of intentionally entrained fish. Total entrainment during the irrigation season was estimated at 3,996 rainbow trout, 664 brown trout, and 2,352 mountain whitefish. Large fish (>150 mm fork length [FL]) made up 42.0% of the total number of entrained rainbow trout, 17.0% of entrained brown trout, and 0.5% of entrained mountain whitefish, representing 1.1, 0.8, and 0.3% of the total mortality observed in these Bow River populations. Earlier estimates of canal losses based on fall rescues of fish suggest that entrainment varies annually and that the 2003 estimates were low for rainbow trout and brown trout and high for mountain whitefish. We also identified 11 additional species that were either entrained or resident in the system within the canal and associated settling pond.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,015
Score d'incertitude au seuil0,112

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
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 Opus0,004
Tête enseignante GPT0,188
Écart entre enseignants0,184 · 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 source (Gemma direct ou Codex distillé), 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

Citations29
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNorth American Journal of Fisheries ManagementMême sujetFish Ecology and Management StudiesTravaux en français237 207