Modeling the Probability of Overlap Between Marine Fish Distributions and Marine Renewable Energy Infrastructure Using Acoustic Telemetry Data
Notice bibliographique
Résumé
Understanding the spatiotemporal distributions of migratory marine species at marine renewable energy sites is a crucial step towards assessing the potential impacts of tidal stream turbines and related infrastructure upon these species. However, the dynamic marine conditions that make tidal channels attractive for marine renewable power development also make it difficult to identify and follow species of marine fishes with existing technologies such as hydroacoustics and optical cameras. Acoustic telemetry can resolve some of these problems. Acoustic tags provide unique individual ID codes at an ultrasonic frequency, which are then detected and recorded by acoustic receivers deployed in the area of interest. By matching detection locations of fish species with environmental conditions at proposed sites for tidal energy infrastructure, species distribution models can be developed to predict the probability of species occurrence at sites of current and planned tidal power development. This information can be used to develop statistically robust encounter rate models to aid in quantifying the risk of tidal power development to migratory fish species. We used this approach to develop a predictive model of striped bass ( Morone saxatilis ) distribution within Minas Passage in the upper Bay of Fundy, Nova Scotia. Model results suggested increased probability of striped bass presence in Minas Passage during late ebb tide conditions and at relatively high water temperatures. We demonstrate the potential utility of species distribution modeling of acoustic tag detections in predicting interactions with renewable energy infrastructure, and show the importance of physical oceanographic variables influencing species distributions in a highly dynamic marine environment.
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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,021 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».