Reducing bias in Coregonus artedi abundance estimates using stationary up-looking acoustics
Notice bibliographique
Résumé
Mobile hydroacoustic surveys using ship-based down-looking transducers are widely used to estimate densities for ecologically and economically important pelagic fishes. However, this method likely underestimates densities of some surface-oriented species due to biases associated with the acoustic surface exclusion zone and ship avoidance behaviours. We compared cisco ( Coregonus artedi ) density estimates from a stationary up-looking platform survey to a standard down-looking acoustic survey. Both systems were deployed during the fall cisco spawn in Thunder Bay, Lake Superior 2020–2022. Cisco density estimates from the stationary up-looking platform were on average 6.7 times higher in the upper water column (∼1–10 m) and 2 times higher over the entire water column (∼1–45 m) than those from standard mobile surveys. Ship avoidance behaviour associated with mobile surveys was apparent in the upper water column; median cisco densities observed by the platform fell from ∼36 to ∼9 fish/ha when the ship passed near the platform. Abundance estimates from the platform when not influenced by ship avoidance provided higher quota estimates than the standard survey in 2020 and 2022, but were similar in 2021. A multi-day deployment of the platform tracked a progressive daily increase in fish densities, highlighting the sensitivity of mobile survey results to the day they are conducted, often dictated by environmental conditions. Our results show promise in applying stationary acoustic deployments in fisheries surveys, with improved accuracy and reduced effort compared to mobile acoustic surveys in the management and monitoring of pelagic fishes in the Great Lakes.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».