Using a fish entrainment model assistant in a reservoir operation in China
Notice bibliographique
Résumé
Abstract Individual fish are vulnerable in hydropower reservoirs due to spillway and intake operations. It is essential to understand how reservoir forebay fish ecosystems respond to water levels, intake, and spillway regulation. This study aims to explore the fish entrainment risk of the Dawei Reservoir operation on the Dadu River in Sichuan, China, accounting for both intake and spillway operations under wet, normal, and dry seasonal reservoir water levels. Hydrodynamic variables, reservoir operation scenarios, and two fish species were used as indexes to analyze the fish entrainment risk. The simulation results showed that the fish entrainment risk was low under the Dawei intake operation schemes ranging from 0.84 × 103 to 5.97 × 103 m2. The results also showed that the fish entrainment risk was very high under the Dawei spillway operation in fish entrainment areas ranging from 3.90 × 104 to 2.08 × 105 m2. Based on the simulation results, the lowest fish entrainment risk happened with two intakes open and the reservoir water level at 2,640 m. The highest fish entrainment risk happened with five intakes open and the reservoir water level at 2,670 m. The results indicate that the long-term Dawei Reservoir regulation would not modify the fish entrainment risk at significant levels under the Dawei Reservoir operation schemes.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».