A spatially‐explicit assessment of the fish population response to flow management in a heterogeneous landscape
Notice bibliographique
Résumé
Abstract Ecological processes are structured in space and there are important benefits in incorporating spatial information for the analysis of data sets obtained from field studies. Assessing the effect of different flow management practices on river ecosystems is an example where such an exercise is highly relevant. Human activities such as hydroelectric power production are known to modify the temporal variability in river flow. Flow management strategies may have a direct influence on fishes and may trigger complex cascades of interactions involving different features of the river ecosystem. In this study, we performed an assessment of the effect of different flow management practices on fish count density (no. fish/m 2 ), biomass density (g/m 2 ), and species richness. Data were collected in 941 sites located along 28 Canadian rivers. These rivers were either naturally flowing or had altered flows from one of three flow management strategies: run of the river dams, storage with gradual release, or storage with peak release. Each site (300 m 2 ) was surveyed using paired snorkeling and electrofishing techniques; environmental variables (water depth and velocity, and substrate composition) were also measured. The study spanned a broad geographic range (3497 km, geodesic distance) and involved repeated local observations (16–50 sites/river), and was therefore inherently spatially organized. We used spatial modeling to obtain a baseline to estimate the effect of flow management strategies on fishes. Our results indicate that rivers downstream of flow peaking storage dams have, by far, the lowest fish densities (count and biomass) and species richness, whereas those downstream of gradual release storage dams had higher fish biomass density than the unregulated rivers.
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) | 0,000 | 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) | 0,004 | 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 ».