Predictive Models for Differentiating Habitat Use of Coastal Cutthroat Trout and Steelhead at the Reach and Landscape Scale
Notice bibliographique
Résumé
Abstract Steelhead Oncorhynchus mykiss and Coastal Cutthroat Trout Oncorhynchus clarkii clarkii are closely related species that are difficult to differentiate as juveniles and are commonly sympatric at the watershed scale. If Cutthroat Trout spawning and early rearing occur in small streams, it is often difficult to assess which parts of a stream network are dominated by each species. In this study I used catch data from 649 sites in coastal British Columbia to develop quantitative models of species presence and relative dominance as a function of stream size. An independent data set of 561 streams from the USA was used for the cross validation of models developed with data from British Columbia. The relative dominance of Cutthroat Trout or steelhead was predicted using logistic regression with stream and channel width, stream order, watershed area, unit runoff, ecoregion placement, and long-term mean annual discharge (LT mad) as predictor variables. The LT mad was the best predictor of Cutthroat Trout and steelhead dominance, with a correct classification rate of 98% for the entire species range. Costal Cutthroat Trout dominated in reaches or streams where LT mad was ≤630 L/s, and steelhead dominated in reaches where LT mad was >1,000 L/s. The models have practical application for predicting stream-bearing length and area used primarily by each species at the landscape scale of productive capacity relative to habitat threats. Received June 18, 2012; accepted July 17, 2013
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; 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 ».