Hydroacoustic measures of <i>Mysis relicta</i> abundance and distribution in Lake Ontario
Notice bibliographique
Résumé
Mysis relicta can be observed on echograms as a sound scattering layer when they migrate into the water column at night to feed on zooplankton. However, quantitative measures of mysid abundance with hydroacoustics requires knowledge of mysid target strength (TS), a method of removing fish echoes and contribution from noise, and an understanding of the effect of range on the ability of hydroacoustics to detect mysids (the detection limit). Comparisons of paired net data and acoustics data from July 7, 2005 yielded a mysid TS of −86.3 dB (9 mm animal) and a biomass TS of −58.4 dB (g dry wt)−1. With ambient noise levels (Sv of −125 dB at 1 m depth) and this TS, we can detect a mysid density of 1 m−3 at 60 m depth with a signal to noise ratio of 3 dB. We present a method to remove backscattering from both noise and fish and apply this method and the new TS data to whole lake acoustic data from Lake Ontario collected in July 25–31, 2005 with a 120 kHz echosounder as part of the annual standard fish survey in that lake. Mysis abundance was strongly depth dependent, with highest densities in areas with bottom depth > 100 m, and few mysids in areas with bottom depth < 50 m. With the data stratified in five bottom depth strata (> 100 m, 100-75 m, 75–50 m, 50–30 m, < 30 m), the whole-lake average mysid density was 118 m−2 (CV 21%) and the whole-lake average mysid biomass was 0.19 g dry wt m−2 (CV 22%) in July 2005. The CVs of these densities also account for uncertainty in the TS estimates. This is comparable to whole-lake density estimates using vertical net tows in November, 2005 (93 m−2, CV 16%).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».