Performance of acoustic telemetry in relation to submerged aquatic vegetation in a nearshore freshwater habitat
Notice bibliographique
Résumé
Acoustic telemetry is a powerful tool for learning about the movements and ecology of aquatic animals, but proper use requires evaluation of its performance in different environments. Nearshore freshwater habitats are important to many fishes; however, submerged aquatic vegetation (SAV) in these areas influences the performance of acoustic telemetry through attenuation of the transmissions. Despite this, few studies have quantified the influence of SAV on the detection efficiency and range. We conducted range testing and hydroacoustic surveys to assess the seasonal influence of SAV biovolume on the detection efficiency of 180 kHz transmitters in the nearshore (<1.5 m) habitats of a temperate freshwater riverine ecosystem. The interaction of transmitter–receiver distance and SAV biovolume significantly reduced the detection efficiency of transmitters, which varied with seasonal growth and senescence of SAV. Daily effective detection range (mean ± s.e.) varied from 6.85 m ± 1.98 when SAV coverage was high (mean biovolume 0.98) to 196.08 m ± 51.89 when SAV was largely absent (mean biovolume 0.01). This study demonstrated the impact of SAV on the detection range of acoustic transmitters, illustrating the need for range testing and consideration in study design and analysis to improve the quality of interpretation of data in vegetated habitats.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».