The influence of dynamic environmental interactions on detection efficiency of acoustic transmitters in a large, deep, freshwater lake
Notice bibliographique
Résumé
Abstract Background Acoustic telemetry is an increasingly common method used to address ecological questions about the movement, behaviour, and survival of freshwater and marine organisms. The variable performance of acoustic telemetry equipment and ability of receivers to detect signals from transmitters have been well studied in marine and coral reef environments to inform study design and improve data interpretation. Despite the growing use of acoustic telemetry in large, deep, freshwater systems, detection efficiency and range, particularly in relation to environmental variation, are poorly understood. We used an array of 90 69-kHz acoustic receivers and 8 sentinel range transmitters of varying power output deployed at different depths and locations approximately 100–9500 m apart for 215 days to evaluate how the detection efficiency of acoustic receivers varied spatially and temporally in relation to environmental conditions. Results The maximum distance that tags were detected ranged from 5.9 to 9.3 km. Shallow tags consistently had lower detection efficiency than deep tags of the same power output and detection efficiency declined through the winter months (December–February) of the study. In addition to the distance between tag and receiver, thermocline strength, surface water velocity, ice thickness, water temperature, depth range between tag and receiver, and number of fish detections contributed to explaining variation in detection efficiency throughout the study period. Furthermore, the most significant models incorporated interactions between several environmental variables and tag–receiver distance, demonstrating the complex temporal and spatial relationships that exist in heterogeneous environments. Conclusions Relying on individual environmental variables in isolation to interpret receiver performance, and thus animal behaviour, may be erroneous when detection efficiency varies across distances, depths, or tag types. As acoustic telemetry becomes more widely used to study ecology and inform management, it is crucial to understand its limitations in heterogeneous environments, such as freshwater lakes, to improve the quality and interpretation of data. We recommend that in situ range testing and retrospective analysis of detection efficiency be incorporated into study design for telemetry projects. Furthermore, we caution against oversimplifying the dynamic relationship between detection efficiency and environmental conditions for the sake of producing a correction that can be applied directly to detection data of tagged animals when the intended correction may not be justified.
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 | 0,001 | 0,003 |
| 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 | 0,001 | 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) | 0,000 | 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 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 ».