Development and validation of numerical habitat models for juveniles of Atlantic salmon (<i>Salmo salar</i>)
Notice bibliographique
Résumé
We evaluated the ability of numerical habitat models (NHM) to predict the distribution of juveniles of Atlantic salmon (Salmo salar) in a river. NHMs comprise a hydrodynamic model (to predict water depth and current speed for any given flow) and a biological model (to predict habitat quality for fish using water depth, current speed, and substrate composition). We implemented NHMs with a biological model based on (i) preference curves defined by the ratio of the use to the availability of physical conditions and (ii) a multivariate logistic regression that distinguished between the physical conditions used and avoided by fish. Preference curves provided a habitat suitability index (HSI) ranging from 0 to 1, and the logistic regression produced a habitat probabilistic index (HPI) representing the probability of observing a parr under given physical conditions. Pearson's correlation coefficients between HSI and local densities of parr ranged from 0.39 to 0.63 depending on flow. Corresponding values for HPI ranged from 0.81 to 0.98. We concluded that HPI may be a more powerful biological model than HSI for predicting local variations in fish density, forecasting fish distribution patterns, and performing summer habitat modelling for Atlantic salmon juveniles.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; un appel candidat d’une seule tête enseignante, 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 ».