Effects of sampling effort, assemblage similarity, and habitat heterogeneity on estimates of species richness and relative abundance of stream fishes
Notice bibliographique
Résumé
We estimated the sampling effort required to accurately estimate species richness and to detect changes in catch-per-unit-effort (CPUE) in four Great Plains, USA, streams. The number of sampled reaches (i.e., <1 km) required to estimate stream-segment (i.e., 20–28 km) species richness decreased with increased sampled reach length (i.e., 10, 20, 40, or 60 mean stream widths, MSW), whereas total sampling effort decreased with a greater number of shorter sampled reaches. Collecting all species in a stream segment required all sampled reaches (i.e., 10) of a length equal to 40 or 60 MSW. The number of stream reaches sampled with lengths equal to 40 MSW required to detect a 50% change in CPUE of common species (i.e., total abundance > 1% of total catch) with β = 0.80 ranged from 7 to 630 (mean = 99) and decreased with longer sampled reaches. A greater number of sampled reaches were needed to detect 90% of species richness and 25% changes in CPUE when Jaccard’s similarity of samples of stream fish assemblages and habitat heterogeneity was lower within streams. Our results suggest that homogeneous stream segments require more sampled reaches to characterize fish assemblages and monitor trends in fish abundance.
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 | 0,014 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».