Evaluating the Barrier Assessment Technique Derived from FishXing Software and the Upstream Movement of Brook Trout through Road Culverts
Notice bibliographique
Résumé
Abstract Anthropogenic barriers to fish passage, such as culverts and dams, are major factors impeding the persistence and recovery of aquatic species. Considerable work has focused on mitigating these impacts; however, activities associated with measuring and restoring connectivity of aquatic ecosystems often face challenges in determining the passability of barriers by aquatic species. Hydrological modeling software that incorporates biological aspects of a focal species is often used as a relatively inexpensive method for assessing barrier passability for restoration decisions. However, the biological relevance of these approaches remains to be rigorously tested. We assessed passage rates of PIT‐tagged Brook Trout Salvelinus fontinalis through four road culverts and adjacent reference sites (unaltered areas of the streams) on the island of Newfoundland to determine whether upstream passage through road culverts was more restrictive than unaltered reference areas of the stream. Next, we examined the usefulness of barrier passability predictions derived from FishXing software by comparing them with in situ movement data for this species. Brook Trout passage for three of the four reference sites had a significantly higher range of passable stream flows compared with that for culverts, indicating the presence of velocity barriers in culverts. However, FishXing predictions of suitable fish passage discharges were conservative, and tagged fish successfully navigated partial barriers that were at least 2–3 times the upper limits of stream flow predicted to allow successful passage. The results of our study show a clear need for an improved understanding of fish movement through these structures so that barrier assessment techniques can be refined. The implications of not doing so may lead to restoration actions that result in limited biological benefit.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».