Using underwater video to evaluate the performance of the Fukui trap as a mitigation tool for the invasive European green crab ( <i>Carcinus maenas</i> ) in Newfoundland, Canada
Notice bibliographique
Résumé
The European green crab ( Carcinus maenas ) is a destructive marine invader that was first discovered in Newfoundland waters in 2007 and has since become established in nearshore ecosystems on the south and west coast of the island. Targeted fishing programs aimed at removing green crabs from invaded Newfoundland ecosystems use Fukui traps, but the capture efficiency of these traps has not been previously assessed. We assessed Fukui traps using in situ observation with underwater video cameras as they actively fished for green crabs. From these videos, we recorded the number of green crabs that approached the trap, the outcome of each entry attempt (success or failure), and the number of exits from the trap. Across eight videos, we observed 1,226 green crab entry attempts, with only a 16% rate of success from these attempts. Based on these observations we believe there is scope to improve the performance of the Fukui trap through modifications in order to achieve a higher catch per unit effort (CPUE), maximizing trap usage for mitigation. Ultimately, a more efficient Fukui trap will help to control green crab populations in order to preserve the function and integrity of ecosystems invaded by the green crab.
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».