MétaCan
Menu
← Retour à la cohorte
Enregistrement W6892165246 · doi:10.5061/dryad.nt18c

Data from: Size-based hydroacoustic measures of within-season fish abundance in a boreal freshwater ecosystem

2015· dataset· en· W6892165246 sur OpenAlexaffabout

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2015
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésAbundance (ecology)BorealFish <Actinopterygii>FishingFreshwater fishProductivityRelative species abundanceEcosystem

Résumé

récupéré en direct d'OpenAlex

Eleven sequential size-based hydroacoustic surveys conducted with a 200 kHz split-beam transducer during the summers of 2011 and 2012 were used to quantify seasonal declines in fish abundance in a boreal reservoir in Manitoba, Canada. Fish densities were sufficiently low to enable single target resolution and tracking. Target strengths converted to log2-based size-classes indicated that smaller fish were consistently more abundant than larger fish by a factor of approximately 3 for each halving of length. For all size classes, in both years, abundance (natural log) declined linearly over the summer at rates that varied from -0.067.day-1 for the smallest fish to -0.016.day-1 for the largest (R2 = 0.24–0.97). Inter-annual comparisons of size-based abundance suggested that for larger fish (>16 cm), mean winter decline rates were an order of magnitude lower (-0.001.day-1) and overall survival higher (71%) than in the main summer fishing season (mean loss rate -0.038.day-1; survival 33%). We conclude that size-based acoustic survey methods have the potential to assess within-season fish abundance dynamics, and may prove useful in long-term monitoring of productivity and hence management of boreal aquatic ecosystems.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,313
Score d'incertitude au seuil0,623

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,007

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 GPT0,278
Écart entre enseignants0,221 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)→Travaux en français237 207→