Extracting fish and water velocity from Doppler profiler data
Notice bibliographique
Résumé
Abstract Zedel, L., and Cyr-Racine, F-Y. 2009. Extracting fish and water velocity from Doppler profiler data. – ICES Journal of Marine Science, 66: 1846–1852. Doppler current profilers are optimized for measuring water velocities, but have the demonstrated capability to measure fish swimming speeds. This is possible when fish form schools that are large enough for all multiple Doppler sonar beams to sample the fish speeds at the same time. In situations where fish are not present in at least three acoustic beams, it is impossible to extract fish velocity with the data-processing algorithms normally used to extract water velocity. We present an alternative method of analysing Doppler sonar data that treats data from individual acoustic beams independently, so that velocities can be extracted when fish appear intermittently in the sonar beams. The method determines the variance for each velocity estimate so that data averaging can be adjusted to achieve the desired accuracy. The algorithm is applied to extract both water and fish velocities from Doppler profiler observations of overwintering Atlantic cod (Gadus morhua) in Smith Sound, Newfoundland. Currents in this enclosed coastal area are slow (∼10 cm s−1), and the fish appear to move passively with the water much of the time. However, there are times when the fish have velocities different from those of the water, and profiles averaged over 20 d show clear differences in fish and water velocities.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».