The effect of trapping on the migration and survival of Atlantic salmon smolts
Notice bibliographique
Résumé
Abstract Electronic tags are often used to track the freshwater‐marine migrations of smolts, where smolts are captured for tagging pre‐migration (e.g., via electrofishing) or during‐migration (e.g., via traps). Pre‐migration capture allows smolts to initiate and complete their downstream migration unhindered, but risks smolt loss before the migration commences. The contrary is the case for during‐migration trap‐caught smolts, but trapping smolts temporarily halts their seaward journey which may negatively impact their progress. This study investigated the effect of trapping on the behaviour and survival of migrating Atlantic salmon ( Salmo Salar ) smolts using acoustic telemetry. We compared the movements and survival of smolts tagged before the smolt run captured by electrofishing (“comparator”) with smolts trapped and tagged during the smolt run (“trapped”). A total of 478 smolts were tagged and released in River Skjern (2020 and 2022), Denmark, and 82 smolts in River Ballycastle (2022), Northern Ireland, and their seaward movements were monitored using acoustic receivers deployed in the river, fjord, and coastal area. In River Skjern in 2022, comparator smolts migrated earlier than trapped smolts, likely because these constituted more of the larger‐sized, earlier migrating individuals. We found no differences in descent trajectories, diel patterns, progression rates, or survival between trapped smolts and comparator smolts in any of the rivers or study years. Thus, our results support the use of during‐migration trapping as a low‐impact method to capture smolts for telemetry studies, with trapped samples (if held <24 h) yielding comparable results in terms of behaviour and survival with non‐delayed pre‐migration tagged fish.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».