UNDERSTANDING UNCERTAINTY IN THE EFFECT OF LOW‐HEAD DAMS ON FISHES OF GREAT LAKES TRIBUTARIES
Notice bibliographique
Résumé
Small dams represent one of the most widespread human influences on riverscapes. Greater understanding of how these structures affect aquatic organisms is needed to ensure that decisions regarding their construction and removal strike an appropriate balance between components of human and ecosystem services. Within the basin of the Laurentian Great Lakes, the effects that in-stream barriers (dams) used to control the non-native, parasitic sea lamprey (Petromyzon marinus) on the diversity of non-target fishes is a significant concern for fishery managers. A previous study indicated that upstream changes in the species richness of non-target fishes observed in 24 streams with a sea lamprey barrier relative to paired reference streams (a measure of effect size) was variable across the basin. We examined the degree to which the variance in effect size could be attributed to imprecision in the field sampling protocol used to estimate effect sizes, differences in catchment-scale landscape attributes between barrier and reference streams within pairs, and differences in landscape attributes at different spatial scales among barrier streams. Simulation modeling and analyses of repeated field measurements made for a subset of streams demonstrated that a large variance in effect size is expected for the field sampling design and that estimates of effect size measured for individual barrier streams are imprecise. Regression models and multimodel inference methods based on Akaike's Information Criterion provided less support for hypotheses linking effect size to landscape attributes. Mean effect size, adjusted for the influences of landscape characteristics within and across stream pairs, provides the most reliable and least biased estimate of the effect of sea lamprey barriers on the richness of nontarget fish species. With the information currently available, landscape characteristics of catchments cannot be used to help decision makers anticipate effects sizes for candidate streams being considered for future barrier construction. Our findings will help fishery managers in the Laurentian Great Lakes make more informed decisions regarding the use and placement of sea lamprey barriers and achieve their objective of delivering an integrated pest management plan for sea lamprey control that is environmentally and economically sound and socially acceptable.
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 | 0,001 | 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 | 0,000 |
| 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 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 ».