MétaCan
Menu
← Retour à la cohorte
Enregistrement W2625971136 · doi:10.1139/cjfas-2017-0013

Can a bottom-moored echo sounder array provide a survey-comparable index of abundance?

2017· article· en· W2625971136 sur OpenAlexvenueno aff
Alex De Robertis, Robert M. Levine, Christopher D. Wilson

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesOffice of ScienceNational Oceanic and Atmospheric Administration
Mots-clésEcho soundingPollockMooringBackscatter (email)OceanographyAbundance (ecology)Environmental sciencePelagic zoneEcho (communications protocol)GeologyMerlucciusFisheryFish <Actinopterygii>Remote sensingBiologyHake

Résumé

récupéré en direct d'OpenAlex

A small number of stationary echo sounders have the potential to produce abundance indices where fish repeatedly occupy localized areas (e.g., spawning grounds). To investigate this possibility, we deployed three trawl-resistant moorings with a newly designed autonomous echo sounder for ∼85 days during the walleye pollock (Gadus chalcogrammus) spawning season in Shelikof Strait, Alaska. Backscatter observed from the moorings was highly correlated with ship-based acoustic surveys, suggesting that the mooring observations reflect abundance over much larger areas than the observation volume of the acoustic beam. A retrospective analysis of a 19-year time series of prespawning walleye pollock surveys was used to select mooring locations and determine that three to five moorings can produce an index of walleye pollock backscatter comparable to that produced by a ship-based survey covering ∼18 000 km2 (mean prediction error of <11% for five moorings). The three moorings deployed in Shelikof Strait yielded a backscatter estimate that was within ∼15%–20% of that observed during the survey. Thus, it appears feasible to design a relatively sparse mooring array to provide abundance information and other aspects of fish behavior in this environment.

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)0,007
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 enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,039
Tête enseignante GPT0,261
Écart entre enseignants0,223 · 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

Citations18
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetMarine and fisheries research→Travaux en français237 207→