North Temperate Lakes LTER: Crayfish Abundance 1981 - current
Notice bibliographique
Résumé
Crayfish data include crayfish catch in cylindrical minnow traps baited with beef liver and occasional occurrence in other gear used to sample fish. Traps are placed at fyke net locations in nine study lakes (Allequash, Big Muskellunge, Crystal, Sparkling, Trout, Mendota, Monona, Wingra and Fish). Crayfish traps have been eliminated as gear in the Madison area lakes (Mendota, Monona, Wingra, and Fish) after 2003. Individuals are identified to species and counted. In Trout and Sparkling Lake more detailed surveys have been conducted during the summer on an ad hoc basis to track distribution and abundance of the invading species Orconectes rusticus. In Sparkling lake Rusty Crayfish (Orconectes rusticus) was removed from 2001 to 2008. Catherine L Hein, Brian M Roth, Anthony R Ives, and M Jake Vander Zanden. Fish predation and trapping for rusty crayfish (Orconectes rusticus) control: a whole-lake experiment. Canadian Journal of Fisheries and Aquatic Sciences. 63(2): 383-393. https://doi.org/10.1139/f05-229. Additional data sets consist of pre-LTER sets (initiated in late June 1972) gathered by Capelli (Ph.D. dissertation) and Lorman (Ph.D. dissertation). Most of pre-LTER data is detailed distribution in Trout Lake, and community composition in other area lakes. Sampling Frequency: annually Number of sites: 9 Note that 2020 data does not exist due to insufficient sampling.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,039 | 0,013 |
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 ».