Influence of physicochemical factors on the distribution and biomass of invasive mussels (<i>Dreissena polymorpha</i> and <i>Dreissena bugensis</i>) in the St. Lawrence River
Notice bibliographique
Résumé
Twenty sites along the St. Lawrence River were sampled to determine if the distribution and abundance of invasive mussels (zebra mussel (Dreissena polymorpha) and quagga mussel (Dreissena bugensis)) are explained by physicochemical variables. Calcium concentration, substrate size, and depth independently explained significant proportions of variation in biomass for both species. Zebra mussel populations occurred at calcium levels as low as 8 mg Ca·L 1 , but quagga mussels were absent below 12 mg Ca·L 1 , suggesting that they have higher calcium requirements. Both species increased in biomass with increasing substrate size but displayed contrasting patterns with depth. Using combinations of these environmental variables, we developed stepwise multiple regression models to predict zebra mussel biomass and quagga mussel biomass. The zebra mussel model included calcium concentration, substrate size, and depth (r 2 = 0.36, P < 0.0001), while the quagga mussel model included only substrate size and depth (r 2 = 0.32, P < 0.0001). These results suggest that dreissenid mussel abundance (and correlated impacts) will vary predictably across environmental gradients, but the same predictive model will not be accurate for both species.
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 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,001 | 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 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 ».