Meta-analyses of the effects of river flow on fish movement and activity
Notice bibliographique
Résumé
Estimating the timing and magnitude of fish movements relative to environmental factors can provide insight into why fishes behave as they do. To make broad-level inferences about fish movement in lotic environments, we conducted random-effects meta-analyses on the effects of river flow magnitude on (i) non-migratory movements, (ii) upstream migratory movements, (iii) downstream migratory movements, and (iv) fine-scale activity. We found a significant positive effect of river discharge on non-migratory movements ([Formula: see text] = 0.41 (mean) ± 0.07 (SE), Z = 6.06, p < 0.01, k (sample size) = 27); fishes made larger and (or) more frequent movements during periods of elevated discharge. Furthermore, non-salmonids were more affected by river flow than salmonids. River discharge also had a significant positive effect on the rate, frequency, and probability of upstream migratory movements ([Formula: see text] = 0.23 ± 0.10, Z = 2.24, p < 0.05, k = 8). However, the effect of discharge on the rate of downstream migratory movements ([Formula: see text] = –0.05 ± 0.15, Z = –0.35, p > 0.05, k = 5) and fine-scale activity ([Formula: see text] = 0.01 ± 0.11, Z = 0.08, p > 0.05, k = 5) were not significant. Heterogeneity of effect sizes was evident in all meta-analyses as well as inclusion and (or) publication bias. Collectively, our meta-analyses suggested that changes to a river’s flow regime can modulate non-migratory fish behaviour, the consequences of which need to be explored in terms of habitat use and energy budgets. However, more studies are needed to examine potential effect modifiers and improve sample sizes overall.
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 | 0,000 | 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 ».