Telling av oppvandrende fisk i Mandalselva ved bruk av DIDSON. En pilotstudie
Notice bibliographique
Résumé
Järnegren, J., Balk, H., Uglem, I., Forseth, T. 2011. Telling av oppvandrende fisk i Mandalselva ved\nbruk av DIDSON – en pilotstudie. - NINA Rapport 636. 22 s. \nModerne forvaltning av norske laksebestander basert på gytebestandsmål forutsetter god og pålitelig kunnskap om bestandsstørrelse og/eller beskatningsrater. Antall oppvandrende laks kan estimeres enten indirekte gjennom fangststatistikk og beskatningsrater eller direkte ved bruk av ulike fisketellesystemer. ”Dual frequency identification sonar”- systemet (DIDSON) representerer en ny type identifikasjonssonarer som under optimale forhold kan generere undervannsbilder med tilnærmet videokvalitet. Sammenliknet med videosystemer gir DIDSON fordeler ved at den ikke er avhengig av eksternt lys som dagslys eller kunstig lys, samt at den også fungerer i grumset vann. Optimal bruk av DIDSON er avhenging av observasjonslokaliteten. Hensikten med dette prosjektet var å teste hvorvidt DIDSON kan brukes til fisketelling i Mandalselva og i andre elver av tilsvarende størrelse. DIDSON kan brukes til å måle antall og størrelse på oppvandrende laksefisk i elver hvor denne typen informasjon tidligere har vært vanskelig eller umulig å fremskaffe. DIDSON er brukt for å telle oppvandrende laks blant annet i Canada og England, men systemet er hittil ikke testet under norske forhold. Hvorvidt DIDSON-systemet er anvendbart til rutinemessig telling og måling av oppvandrende laks i norske elver er i hovedsakelig avhengig av to forhold; for det første at systemet kan identifisere oppvandrende fisk på en pålitelig måte og deretter at analysene er kostnadseffektive. Dette er igjen avhengig av optimale observasjonslokaliteter og i hvilken grad analysene kan automatiseres. Lokaliteten som ble vurdert som best egnet til denne studien ligger nedenfor Nødingfossen og data ble samlet inn mellom 11. juni og 20. oktober 2009. En DIDSON-LR enhet (Long Range) med en pan/tilt rotor ble satt ut i elven slik at avstanden fra sonarens front til nærmeste elvebredde var ca 5 meter. Sonaren ble plassert slik at man fikk det beste bildet på skjermen med maksimal rekkevidde. Alle data ble analysert med programvaren Sonar5-Pro (S5), som ble modifisert for å kunne håndtere de store datamengdene som ble samlet inn. Automatisk telling ble vurdert og mange metoder ble testet og forkastet som ikke tilstrekkelig nøyaktige. Metodene detekterte for mange ikke-ønskede mål og overså for mange fisk. Den eneste metoden som fungerte for de innsamlede dataene var manuell klikktelling. Årsaken til dette var mye støy forårsaket av ekko fra bunn, overflate, luftbobler, turbulens og ikke minst den lange avstanden over elven. Med manuell analyse ble ett døgns opptak opparbeidet i løpet av ca 60 min effektiv analysetid. Forholden var ikke gode nok til å måle størrelse på fisk. Totalt ble 4471 fisk talt mellom 11. juni og 20. oktober. Kompensert for tapt opptakstid, areal med manglende dekning samt fisk som vandret forbi sonaren flere ganger estimerte vi en minimum oppvandring på 6451 fisk. Ut fra registrerte fangster gir dette et estimat for maksimal beskatning på 35 %. Konklusjonen er at DIDSON kan brukes for rutinemessig telling. Automatisk telling av oppvandrende fisk forutsetter at lokaliteten tilpasses slik at tilstrekkelig gode data kan samles inn.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,007 | 0,012 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».