Evaluating Uncertainty in Physical Habitat Modelling in a High‐Gradient Mountain Stream
Notice bibliographique
Résumé
Abstract Predictions of habitat‐based assessment methods that are used to determine instream flow requirements for aquatic biota are uncertain, but instream flow practitioners and managers often ignore those uncertainties. Two commonly recognized uncertainties arise from (i) estimating the way in which physical habitat within a river changes with discharge and (ii) the suitability of certain types of physical habitat for organisms. We explored how these sources of uncertainty affect confidence in the results of the British Columbia Instream Flow Methodology (BCIFM), which is a commonly used transect‐based habitat assessment tool for small‐scale water diversions. We calculated the chance of different magnitudes of habitat loss resulting from water diversion using a high‐gradient reach of the North Alouette River, BC, as a case study. We found that uncertainty in habitat suitability indices for juvenile rainbow trout generally dominated uncertainty in the results of the BCIFM when large (>15) numbers of transects were used. In contrast, with small numbers of transects, variation in physical habitat among sampled transects was the major source of uncertainty in the results of the BCIFM. Presentations of results of the BCIFM in terms of probabilities of different amounts of habitat loss for a given flow can help managers prescribe instream flow requirements based on their risk tolerance for fish habitat loss. Copyright © 2015 John Wiley & Sons, Ltd.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».