Linking Landscape-Scale Disturbances to Stress and Condition of Fish: Implications for Restoration and Conservation
Notice bibliographique
Résumé
Humans have dramatically altered landscapes as a result of urban and agricultural development, which has led to decreases in the quality and quantity of habitats for animals. This is particularly the case for freshwater fish that reside in fluvial systems, given that changes to adjacent lands have direct impacts on the structure and function of watersheds. Because choices of habitat have physiological consequences for organisms, animals that occupy sub-optimal habitats may experience increased expenditure of energy or homeostatic overload that can cause negative outcomes for individuals and populations. With the imperiled and threatened status of many freshwater fish, there is a critical need to define relationships between land use, quality of the habitat, and physiological performance for resident fish as an aid to restoration and management. Here, we synthesize existing literature to relate variation in land use at the scale of watersheds to the physiological status of resident fish. This examination revealed that landscape-level disturbances can influence a host of physiological properties of resident fishes, ranging from cellular and genomic levels to the hormonal and whole-animal levels. More importantly, these physiological responses have been integrated into traditional field-based monitoring protocols to provide a mechanistic understanding of how organisms interact with their environment, and to enhance restoration. We also generated a conceptual model that provides a basis for relating landscape-level changes to physiological responses in fish. We conclude that physiological sampling of resident fish has the potential to assess the effects of landscape-scale disturbances on freshwater fish and to enhance restoration and conservation.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».