Identifying links between Fluvial Geomorphic Response Units (FGRUs) and fish species in the Assiniboine River, Manitoba
Notice bibliographique
Résumé
Abstract The Assiniboine River, located in east central Saskatchewan and southwestern Manitoba, provides recreational opportunities, irrigation, and industrial and municipal water resources to Manitoba residents while supporting a diverse fish fauna. Improving our understanding of patterns in the spatial distribution of different fish species in relation to physical habitat features can aid management of this important water resource. The Fluvial Geomorphic Response Unit (FGRU) method is a geospatial modelling technique that allows the classification of large‐scale river reaches that exhibit similar geomorphic structure and provide a link between the hydrological regime and physical riverine habitats. Historical electrofishing data provide catch per unit effort data for various fish species and allow an investigation of fish distribution among different FGRUs. This study has identified significant differences (Kruskal–Wallis test, p < 0·05) in the catch per unit effort between three FGRUs for ten fish species in the Assiniboine River. These findings have the potential to increase our understanding of habitat complexity, availability, and connectivity in prairie rivers, a valuable tool for resource managers. This model can contribute to the development of sampling programmes by allowing efficient a priori site selection, ensuring sampling of diverse unit types and thus a greater representation of the range of physical habitats present within a river system. 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 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 ».