Swimming performance of upstream migrant fishes in open-channel flow: a new approach to predicting passage through velocity barriers
Notice bibliographique
Résumé
The ability to traverse barriers of high-velocity flow limits the distributions of many diadromous and other migratory fish species, yet very few data exist that quantify this ability. We provide a detailed analysis of sprint swimming ability of six migratory fish species (American shad (Alosa sapidissima), alewife (Alosa pseudoharengus), blueback herring (Alosa aestivalis), striped bass (Morone saxatilis), walleye (Stizostedion vitreum), and white sucker (Catostomus commersoni)) against controlled water velocities of 1.54.5 m·s 1 in a large, open-channel flume. Performance was strictly voluntary: no coercive incentives were used to motivate fish to sprint. We used these data to generate models of maximum distance traversed, taking into account effects of flow velocity, body length, and temperature. Although the maximum distance traversed decreased with increasing velocity, the magnitude of this effect varied among species. Other covariate effects were likewise variable, with divergent effects of temperature and nonuniform length effects. These effects do not account for all of the variability in performance, however, and behavioral traits may account for observed interspecific differences. We propose the models be used to develop criteria for fish passage structures, culverts, and breached dams.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».