Comparative analysis of different survey methods for monitoring fish assemblages in coastal habitats
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Coastal ecosystems are among the most productive yet increasingly threatened marine ecosystems worldwide. Particularly vegetated habitats, such as eelgrass (Zostera marina) beds, play important roles in providing key spawning, nursery and foraging habitats for a wide range of fauna. To properly assess changes in coastal ecosystems and manage these critical habitats, it is essential to develop sound monitoring programs for foundation species and associated assemblages. Several survey methods exist, thus understanding how different methods perform is important for survey selection. We compared two common methods for surveying macrofaunal assemblages: beach seine netting and underwater visual census (UVC). We also tested whether assemblages in shallow nearshore habitats commonly sampled by beach seines are similar to those of nearby eelgrass beds often sampled by UVC. Among five estuaries along the Southern Gulf of St. Lawrence, Canada, our results suggest that the two survey methods yield comparable results for species richness, diversity and evenness, yet beach seines yield significantly higher abundance and different species composition. However, sampling nearshore assemblages does not represent those in eelgrass beds despite considerable overlap and close proximity. These results have important implications for how and where macrofaunal assemblages are monitored in coastal ecosystems. Ideally, multiple survey methods and locations should be combined to complement each other in assessing the entire assemblage and full range of changes in coastal ecosystems, thereby better informing coastal zone management.
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.
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 découle