Novel insights gained from tagging walleye (Sander vitreus) with pop-off data storage tags and acoustic transmitters in Lake Ontario
Notice bibliographique
Résumé
Improvements in electronic tagging techniques provide new opportunities to gain insights into fish habitat selection and behaviours that have been difficult to capture using traditional assessment methods. However, data from acoustic telemetry studies in large freshwater systems may bias our understanding of fish habitat use and behaviour because of the typically low sampling frequency of transmitters as well as the limited spatial coverage and distribution of receivers in a waterbody. This study combined acoustic transmitters and pop-off data storage tags (pDSTs) on individual walleye in Lake Ontario to gain a better understanding of the feasibility and utility of double tagging a large nearshore freshwater fish. High frequency pDST data (every 2 s) revealed a novel diving behaviour by walleye which made repeated rapid dives beyond their standard daily depth range. Comparison of data from the two tag types showed that in this large freshwater system with low overall receiver coverage (∼4%), mean monthly and daily depth and temperature occupancy of walleye were similar, although many of the extreme values observed in the pDST data were not observed in the acoustic data. The accuracy of daily vertical distance travelled by walleye and summertime diving parameters was dependent on sampling frequency and only the pDST logging on a 2 s interval was able to provide reliable results. The results of this study show that novel insights can be gained, for fish large enough to handle the burden of multiples tags, ranging from spatial ecology to diving behaviours.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».