Reviewing the Potential for Behavioral Guidance to Improve Downstream Passage of Out‐Migrating Anguillid Eels
Notice bibliographique
Résumé
ABSTRACT Hydroelectric dams and their turbine infrastructure threaten out‐migrating anguillid eels en route to marine spawning grounds. For decades, invested parties have attempted to guide eels away from turbines and toward safe passage routes. A subset of this work (hereafter behavioral guidance) has involved exploiting sensory biology (e.g., sight and hearing) to divert eels from areas of danger toward safe passage, including collection facilities for trap and transport. Here, we narratively review these efforts and interpret available information through an applied lens. We collated relevant literature and organized it based on behavioral guidance modalities of light, sound, hydrodynamics, and electricity. Combined (multimodal) approaches were categorized under the primary behavioral stimulus. With further research, light could have some degree of potential as a standalone method, but field evidence indicates it is more practically effective when paired with physical barriers. Sound alone may not be sufficient, but flume evidence indicates it can also increase the effectiveness of physical barriers. Current evidence to support manipulation of hydrodynamics as a means to alter eel behavior is limited, and responses may vary considerably according to the nature of the manipulation. Electrical fields can be hazardous to downstream‐swimming eels, though they generally do elicit behavioral effects. Given our current understanding, it is apparent that multimodal approaches, particularly light and sound to augment physical barriers, are likely the most realistic for achieving reliable and effective behavioral guidance. Future research could refine knowledge in this area. It is important to continue to scale promising methods to the field to assess practical relevance.
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 | 0,000 | 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 | 0,001 | 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 ».