Using Larval Fish Community Structure to Guide Long-Term Monitoring of Fish Spawning Activity
Notice bibliographique
Résumé
Abstract Larval fishes provide a direct indication of spawning activity and may therefore be useful for long-term monitoring efforts in relation to spawning habitat restoration. However, larval fish sampling can be time intensive and costly. We sought to understand the spatial and temporal structure of larval fish communities in the St. Clair–Detroit River system, Michigan–Ontario, to determine whether targeted larval fish sampling can be made more efficient for long-term monitoring. We found that larval fish communities were highly nested, with lower river segments and late-spring samples containing the highest genus richness of larval fish. We created four sampling scenarios for each river system: (1) using all available data, (2) limiting temporal sampling to late spring, (3) limiting spatial sampling to lower river segments only, and (4) limiting both spatial and temporal sampling. By limiting the spatial extent of sampling to lower river sites and/or limiting the temporal extent to the late-spring period, we found that effort could be reduced by more than 50% while maintaining over 75% of the observed and estimated total genus richness. Similarly, limiting the sampling effort to lower river sites and/or the late-spring period maintained between 65% and 93% of the observed richness of lithophilic-spawning genera and invasive genera. In general, community composition remained consistent among sampling scenarios. Targeted sampling offers a lower-cost alternative to exhaustive spatial and temporal sampling and may be more readily incorporated into long-term monitoring. Received August 14, 2014; accepted November 28, 2014
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 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 ».