Light and Temperature: Key Factors Affecting Walleye Abundance and Production
Notice bibliographique
Résumé
Abstract We used published information to determine optimum light and temperature conditions for walleye Sander vitreus (formerly Stizostedion vitreum ) and then applied this simple niche definition to predict how water clarity, temperature, and bathymetry affect walleye habitat availability. Our model calculated thermal–optical habitat area (TOHA), the benthic area of a lake that supplies optimum light, and temperature conditions for walleye during an annual cycle. When water clarity is very low, little walleye habitat exists. As water clarity increases, TOHA for walleye initially increases and then declines exponentially. Optimum water clarity increases with maximum depth of the lake or, in the case of thermally stratified lakes, with thermocline depth. We tested this model by evaluating its ability to account for differences in the sustained yields of walleye fisheries on Ontario lakes. Our results demonstrate that (1) walleye harvest increases in proportion to TOHA times the square root of total dissolved solids, an index of nutrient level, and (2) optimum water clarity for walleye typically exists when Secchi depth is on the order of 2 m. These findings indicate that the increases in water clarity recently observed in the Great Lakes basin (as a result of phosphorus control and dreissenid mussel invasion) have reduced the supply of thermal–optical walleye habitat and, consequently have probably had negative effects on walleye production.
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 | 0,000 | 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 ».