MétaCan
Menu
← Retour à la cohorte
Enregistrement W4414612842 · doi:10.5194/wes-2025-164

Investigation on the Impacts of Smart Curtailment for Bat Fatality Mitigation in Alberta

2025· preprint· en· W4414612842 sur OpenAlexafffundabout
Anastasiia Sobchenko, Ian Maynard, Ryan Kilpatrick, K. LaFreniere

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBat Biology and Ecology Studies
Établissements canadiensNatural Resources Canada
Organismes subventionnairesAlberta Electric System OperatorEnvironment and Climate Change Canada
Mots-clésWind powerTurbineWildlifeWind speedElectricity generationStorm

Résumé

récupéré en direct d'OpenAlex

Abstract. As wind energy continues to expand in Canada, it is increasingly important to balance power generation with wildlife conservation. For migratory bat species, the risk of interactions with wind turbines varies throughout the year. In response to environmental conditions, curtailing turbine operation during periods of higher risk has been shown to reduce bat fatalities. This study models seasonal turbine curtailment scenarios across wind farms in the Canadian province of Alberta to estimate the resulting energy and economic impacts. High-resolution weather data were used to reconstruct complete wind speed records and simulate turbine output. The modeled power output was closely aligned with real production data reported by the province's energy operator. Results indicate that curtailment outcomes vary significantly depending on wind speed thresholds, seasonal wind conditions, and curtailment duration. Across all scenarios, smart curtailment reduced energy and financial losses by 20–40 % compared to blanket curtailment, highlighting the benefits of using meteorological and behavioral triggers. These findings provide practical insights for minimizing energy loss while supporting conservation goals.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,107

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,261
Écart entre enseignants0,204 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetBat Biology and Ecology Studies→Travaux en français237 207→