Unveiling low-to-high-frequency data sampling caveats for aquaculture environmental monitoring and management
Notice bibliographique
Résumé
Aiming at the sustainability of aquaculture production, producers should adopt tools and protocols for environmental monitoring and management of these enterprises. There are currently issues concerning the efficacy of data collection procedures and limnological sampling at low frequency, which is widely used by managers and aquaculture surveillance agencies. In this context, the present study evaluated the effectiveness of high-frequency (HF) and low-frequency (LF) limnological monitoring. For the HF, autonomous data collection platforms (ADCP) were installed in a tropical reservoir, four ADCP in areas with fish production (WFP), and one ADCP in an area free of fish production (FFP, control). For both sampling methods, the temperature (Temp), pH, dissolved oxygen (DO), turbidity (Tbt), electrical conductivity (EC), and chlorophyll-a (Chl-a) were sampled at a depth of 1.5 m from the water surface. While the HF used a multiparameter probe, recording each parameter every 10 min, the LF method consisted of monthly data acquisitions of the same settings using water sampling techniques for further measurement in the laboratory. The comparison of the sampling frequency and methods revealed different profiles for all measured parameters during the monitored period. The average values of the daily amplitude of variation differed between the two monitoring strategies for water temperature, pH, DO, Tbt, and Chl-a. Comparison of the results showed that the HF limnological monitoring allowed us to create a more accurate variation profile of the water quality variables measured. The ADCP is a useful strategy that can be used to capture the influences of fish production and to bring essential water quality changes for fish management. The evaluations with LF did not demonstrate the natural variability of the measured parameters, being an ineffective tool for environmental monitoring of fish production.
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 | 0,073 | 0,165 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».