MétaCan
Menu
Retour à la cohorte
Enregistrement W2073629940 · doi:10.1139/f00-082

Effects of riffle length on the short-term movement of fishes among stream pools

2000· article· en· W2073629940 sur OpenAlexvenueno aff
David G. Lonzarich, Mary Ruth Elger Lonzarich, Melvin L. Warren

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2000
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Forest ServiceSveriges Lantbruksuniversitet
Mots-clésRiffleSTREAMSHabitatEcologyBiologyPredationFish <Actinopterygii>FisheryEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Recent research has suggested that the within-habitat dynamics of fish populations and assemblages can be affected by the spatial distribution of habitats within streams. In this study, we determined the extent to which pool isolation (length of riffles connecting adjacent pools) influenced fish movement in two Arkansas streams. We marked individuals from 12 pools assigned to two treatment categories: pools separated by long riffles (>50 m) and those separated by short riffles (<10 m). Repeatedly snorkeling pools for 3 days in 1995 and 1997, we discovered substantial emigration (>20%) and significant effects of riffle length. Total emigration from short-riffle pools was three times higher (29%) than movement from long-riffle pools (10%). Further, marked fish in short-riffle pools moved upstream and downstream with equal frequency, whereas fish in long-riffle pools moved twice as often downstream. Collectively, these results indicate significant effects of habitat spacing on short-term movement patterns by fish. In streams, where fish are distributed within a mosaic of habitats of varying quality, such movements may allow individuals to assess spatial variability in resource conditions (e.g., food, predators). Because land-use activities can alter habitat spacing, these findings have important implications for fish conservation in degraded streams.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,192
Écart entre enseignants0,182 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations75
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetFish Ecology and Management StudiesTravaux en français237 207