MétaCan
Menu
Retour à la cohorte
Enregistrement W4285155027 · doi:10.3354/aei00434

Modeling the effect of cage drag on particle residence time within fish farms in the Bay of Fundy

2022· article· en· W4285155027 sur OpenAlexaffabout
Yongsheng Wu, Brent Law, F. Ding, Mitchell O’Flaherty-Sproul

Notice bibliographique

RevueAquaculture Environment Interactions · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine Bivalve and Aquaculture Studies
Établissements canadiensBedford Institute of OceanographyFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésBayDragResidence time (fluid dynamics)Environmental scienceCageDrag coefficientFlow (mathematics)FisheryAquacultureBathymetryOceanographyAtmospheric sciencesFish <Actinopterygii>GeologyPhysicsMechanicsBiologyGeotechnical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Aquaculture farm cages have the ability to interact with local circulation due to the drag caused by the cages. We examined how the drag influences the residence time of particles within fish farms in the southwest Isles region of New Brunswick, Canada, in the Bay of Fundy using a high-resolution hydrodynamic model. To accomplish this, we parameterized the cage drag in the model and modeled flow structures at multiple spatial scales, ranging from several meters within the cages, to tens of kilometers in the adjacent open ocean. We used models with and without cage drag to demonstrate how residence time was influenced by the imposition of the cage infrastructure. Our examination indicated that the drag produced by cages is able to significantly change the residence time of particles. The magnitude of the change is strongly sensitive to the timing of tides, tidal speeds and specific locations of farms. Our results suggest that the flushing properties of the wastes from aquaculture activities—for example, feed and subsequently fecal material—are strongly related to flow properties and their interactions with cages. These results emphasize that the design of fish farms should explicitly account for the influence of physical infrastructure (i.e. cages) on depositional processes in order to try and minimize environmental effects.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,557
Score d'incertitude au seuil0,880

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,011
Tête enseignante GPT0,243
Écart entre enseignants0,232 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAquaculture Environment InteractionsMême sujetMarine Bivalve and Aquaculture StudiesTravaux en français237 207