MétaCan
Menu
Retour à la cohorte
Enregistrement W2099665730 · doi:10.1139/f02-035

Landscape characteristics, land use, and coho salmon (<i>Oncorhynchus kisutch</i>) abundance, Snohomish River, Wash., U.S.A.

2002· article· en· W2099665730 sur OpenAlexvenueno aff
George R. Pess, David R. Montgomery, E. Ashley Steel, Robert E. Bilby, Blake E. Feist, Harvey Greenberg

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2002
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesWashington Department of Fish and WildlifeWashington State University
Mots-clésOncorhynchusAbundance (ecology)HabitatSalmoEcologyFisheryWetlandSTREAMSEnvironmental scienceWatershedGeographyBiologyFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

We used temporally consistent patterns in the spatial distribution of returning adult coho salmon (Oncorhynchus kisutch) to explore relationships between salmon abundance, landscape characteristics, and land use patterns in the Snohomish River watershed, Wash. The proportion of total adult coho salmon abundance supported by a specific stream reach was consistent among years, even though interannual adult coho salmon abundance varied substantially. Wetland occurrence, local geology, stream gradient, and land use were significantly correlated with adult coho salmon abundance. Median adult coho salmon densities in forest-dominated areas were 1.5–3.5 times the densities in rural, urban, and agricultural areas. Relationships between these habitat characteristics and adult coho salmon abundance were consistent over time. Spatially explicit statistical models that included these habitat variables explained almost half of the variation in the annual distribution of adult coho salmon. Our analysis indicates that such models can be used to identify and prioritize freshwater areas for protection and restoration.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,281
Score d'incertitude au seuil0,559

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,016
Tête enseignante GPT0,189
Écart entre enseignants0,174 · 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

Citations113
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

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