A Spatially Explicit Model to Predict Walleye Spawning in an Eastern Lake Ontario Tributary
Notice bibliographique
Résumé
Abstract Field egg collections coupled with physical habitat measurements were used to develop, apply, and validate a spatially explicit model to predict the spawning sites of walleyes Sander vitreus in an eastern Lake Ontario tributary. We collected 22,246 walleye eggs using passive traps and measured the attendant habitat variables, including substrate composition and heterogeneity, water depth and velocity, and cumulative spring water temperature. The squared term that we used for water depth in our regressions and selected over linear and polynomial fits better represented the relationship between spawning probability and depth. To predict walleye spawning likelihood, we developed 10 candidate models based on the available spawning data; following an information-theoretic approach, we compared the models by means of Akaike's information criterion. The best model had an area under the receiver operating curve of 0.89 and a weight of evidence of 0.32, where the probability of spawning (egg presence) was associated with predominance of course substrate and shallow depth and timing was associated with the accumulated spring water temperature. The model was applied to the study stream and validated by additional egg collections. The model correctly classified egg presence/absence in 66.7% (10 of 15) of egg traps in the initial validation sample. After a high-flow event, classification success decreased to only 20% (3 of 15 traps), probably because of the redistribution of eggs to less suitable habitats in depositional areas. Prediction of walleye spawning distribution allows for reach-scale assessment of critical habitat to help guide spawning habitat restoration efforts.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».