A Statistical Model for Managing Water Temperature in Streams with Anthropogenic Influences
Notice bibliographique
Résumé
Abstract Streams in the Pacific Northwest (Oregon, Washington, British Columbia) face rising summer temperatures and increasing anthropogenic influence, with consequences for fish populations. Guidance is needed in small managed watersheds for setting reservoir release rates or for the restriction of water extractions to meet the needs of fish and aquatic ecosystems. Existing environmental flow methods focus on discharge rates and do not typically consider water temperatures, and detailed thermal models are too complex for widespread implementation. We used multiple logistic regression to develop statistical models for estimating the probability of exceeding a salmonid stream temperature threshold of 22 °C as a function of discharge and maximum daily air temperatures. Data required are air temperature, stream temperature and stream discharge over a minimum of one summer. The models are used to make minimum discharge recommendations under varying forecast weather conditions. The method was applied to nine streams in the Pacific Northwest. Minimum recommended discharge generally ranged from 23% to 86% of mean annual discharge and was higher than observed low flows in most streams. Comparison of the new method to existing methods for Fortune Creek in British Columbia indicated that total season discharge volumes could be reduced while meeting thermal requirements. For other streams, it was evident that high water temperatures cannot be managed by increasing discharge, as the discharge required would be greater than natural discharge and higher than achievable by management. The statistical method described in this paper allows for a risk‐based approach to discharge management for fish habitat needs.
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 | 0,001 |
| 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 ».