Measuring Detection Efficiency of High-Residency Acoustic Signals for Estimating Probability of Fish–Turbine Encounter in a Fast-Flowing Tidal Passage
Notice bibliographique
Résumé
Semidiurnal tidal currents can exceed 5 ms−1 in Minas Passage, Bay of Fundy, where a tidal energy demonstration area has been designated to generate electricity using marine hydrokinetic turbines. The risk of harmful fish–turbine interaction cannot be dismissed for either migratory or local fish populations. Individuals belonging to several fish populations were acoustically tagged and monitored by using acoustic receivers moored within the Minas Passage. Detection efficiency ρ is required as the first step to estimate the probability of fish–turbine encounter. Moored Innovasea HR2 receivers and high-residency (HR) tags were used to obtain detection efficiency ρ as a function of range and current speed, for near-seafloor signal paths within the tidal energy development area. Strong tidal currents moved moorings, so HR tag signals and their reflections from the sea surface were used to measure ranges from tags to receivers. HR2 self-signals that reflected off the sea surface showed which moorings were displaced to lower and higher levels on the seafloor. Some of the range testing paths had anomalously low ρ, which might be attributed to variable bathymetry blocking the line-of-sight signal path. Clear and blocked signal paths accord with mooring levels. The application of ρ is demonstrated for the calculation of abundance, effective detection range, and detection-positive intervals. High-residency signals were better detected than pulse position modulation (PPM) signals. Providing that the presently obtained ρ applies to tagged fish that swim higher in the water column, there is a reasonable prospect that probability of fish–turbine encounter can be estimated by monitoring fish that carry HR tags.
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 | 0,002 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».