MétaCan
Menu
Retour à la cohorte
Enregistrement W3203224344 · doi:10.35567/1999-4508-2010-2-3

Fish migration and reproduction in urban environment — restoration of the Lososinka River as habitat for the Onega Lake salmon, Petrozavodsk

2010· article· en· W3203224344 sur OpenAlexaboutno aff

Notice bibliographique

RevueWater sector of Russia problems technologies management · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTributaryHabitatReproductionFish migrationFisheryGeographyRestoration ecologyFish <Actinopterygii>Environmental scienceEcologyBiology

Résumé

récupéré en direct d'OpenAlex

To enable natural spawning, new projects to construct fish passes are going on in most big rivers in Finland. In the Interreg project «Restoring salmon runs into Oulu and Lososinka Rivers» fish pass options were examined for rivers in Finland and in Russia. Oulujoki River, once a famous salmon river is totally constructed and only few reproduction sites are left in the main channels and in some tributaries. To create new reproduction area, the principle of spawning channels which are commonly constructed in Canada, was integrated in the planning of nature-like fish passes. To optimize the area and quality of reproduction habitats, flow and habitat 2D modeling was used. The Lososinka River in Petrozavodsk, capital of Karelian Republic is a small urban stream 25 km long. It is blocked by dams, but there is still existing an original stock of landlock Onega Lake salmon. In the project measures for enabling migration through three dams in the city centre area were proposed. There are excellent reproduction habitats above the dams. Because of the value of the river as a key element in the urban environment, the landscape values had to be considered.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,135
Score d'incertitude au seuil0,268

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,182
Écart entre enseignants0,175 · 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

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater sector of Russia problems technologies managementMême sujetFish Ecology and Management StudiesTravaux en français237 207