Considerations when Using the Reference Condition Approach for Bioassessment of Freshwater Ecosystems
Notice bibliographique
Résumé
Abstract The use of the reference condition approach (RCA) in environmental assessments is becoming more prevalent. Although the RCA was not explicitly described in Green's (1979) book on statistical methods for environmental biologists, we expanded his decision key for selecting an appropriate environmental study design to include this approach. The RCA compares the biological community at a potentially impacted ‘test’ site to communities found in minimally impacted ‘reference’ sites. However, to implement the RCA there are a number of assumptions and decisions that must be made. We compare several common multimetric and multivariate bioassessment methods to illustrate that four key decisions inherent in the RCA framework (i.e., criteria used for reference site selection, for grouping similar reference sites, for comparing test and reference sites, and for evaluating the cause of impacts) can markedly affect test site appraisals. Specific guidelines should be developed to select appropriate reference sites. Based on analyses of real and simulated data, we recommend a minimum of 20, but preferably 30 to 50 reference sites per group, and verification of groupings with more than one classification method. New approaches (e.g., test site analysis) incorporating the strengths of both multimetric and multivariate methods can be used to compare test and reference sites. Additional ecological information, models relating degree of impact to a stressor or habitat gradient, and variance partitioning can also be used to isolate the probable cause of impairment, and are particularly valuable when appropriate reference sites are unavailable.
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 | 0,150 | 0,268 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,010 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».