MétaCan
Menu
← Retour à la cohorte
Enregistrement W2587466571 · doi:10.1139/cjfas-2016-0445

Spatial mismatch between sea lamprey behaviour and trap location explains low success at trapping for control

2017· article· en· W2587466571 sur OpenAlexafffundvenue
Andrew M. Rous, Adrienne R. McLean, Jessica Barber, Gale Bravener, Theodore Castro‐Santos, Christopher M. Holbrook, I. Imre, Thomas C. Pratt, Robert L. McLaughlin

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensAlgoma UniversityFisheries and Oceans CanadaUniversity of Guelph
Organismes subventionnairesFisheries and Oceans CanadaAlgoma UniversityOntario Innovation TrustGreat Lakes Fishery Commission
Mots-clésPetromyzonLampreyTrap (plumbing)FisheryHydroelectricityEnvironmental scienceTrappingEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Crucial to the management of invasive species is understanding space use and the environmental features affecting space use. Improved understanding of space use by invasive sea lamprey (Petromyzon marinus) could help researchers discern why trap success in large rivers is lower than needed for effective control. We tested whether manipulating discharge nightly could increase trap success at a hydroelectric generating station on the St. Marys River. We quantified numbers of acoustically tagged sea lampreys migrating up to, and their space use at, the hydroelectric generating station. In 2011 and 2012, 78% and 68%, respectively, of tagged sea lampreys reached the generating station. Sea lampreys were active along the face, but more likely to occur at the bottom and away from the traps near the surface, especially when discharge was high. Our findings suggest that a low probability of encountering traps was due to spatial (vertical) mismatch between space use by sea lamprey and trap locations and that increasing discharge did not alter space use in ways that increased trap encounter. Understanding space use by invasive species can help managers assess the efficacy of trapping and ways of improving trapping success.

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)0,004
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 enseignants0,981
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
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 Opus0,022
Tête enseignante GPT0,234
Écart entre enseignants0,212 · 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

Citations28
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetFish Ecology and Management Studies→Travaux en français237 207→