Hounijoen ja Rakkolanjoen koskikartoitus ja kunnostustarveselvitys
Bibliographic record
Abstract
Tämä opinnäytetyö on osa Rivers and fish, our common interest (RIFCI) -hanketta, jonka tavoitteena on saavuttaa jokiluonnon hyvä tila Mustajoen ja Rakkolanjoen vesistöissä Suomen ja Venäjän puolella sekä Vammeljoen vesistössä Karjalan kannaksella. Hankkeen tavoitteena on myös säilyttää arvokkaat kalakannat. Tämän opinnäytetyön tavoitteena oli selvittää Hounijoen ja Rakkolanjoen Suomen puolen mahdollisuuksia taimenen sekä muiden vaelluskalojen lisääntymis- ja elinympäristönä. Tutkimusalueiden koski- ja virtapaikat kartoitettiin maastokäynnein kesällä ja syksyllä 2012. Samalla arvioitiin niiden nykyistä soveltuvuutta taimenen lisääntymis- ja elinympäristönä sekä mahdollista kunnostustarvetta. Osassa kohteissa suoritettiin myös sähkökoekalastuksia vesistön kalaston selvittämiseksi.Hounijoen ja Rakkolanjoen vesistöalueilla Suomen puolella on hyvin koskipinta-alaa taimenen lisääntymis- ja poikastuotantoa varten, mikäli koskipaikoilla suoritetaan tarvittavia kunnostustoimenpiteitä. Jotta taimenen luontainen elinkierto saataisiin palautettua vesistöön, tulisi kalojen nousu Venäjän puolen nousuesteiden yli turvata tulevaisuudessa. Vesistöalueella tulisi tehdä tarvittavia toimenpiteitä valuma-alueilla, etenkin Rakkolanjoen valuma-alueella, jotta vedenlaatu paranisi.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.084 | 0.031 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".