MétaCan
Menu
Retour à la cohorte
Enregistrement W2561768607 · doi:10.1002/ecs2.1617

Do novel ecosystems follow predictable trajectories? Testing the trophic surge hypothesis in reservoirs using fish

2016· article· en· W2561768607 sur OpenAlexafffund
Katrine Turgeon, Christopher T. Solomon, Christian Nozais, Irene Gregory‐Eaves

Notice bibliographique

RevueEcosphere · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensUniversité du Québec à RimouskiMcGill University
Organismes subventionnairesMitacs
Mots-clésTrophic levelEcosystemEcologyEnvironmental scienceAbundance (ecology)Fish <Actinopterygii>BorealBiologyFishery

Résumé

récupéré en direct d'OpenAlex

Abstract Hydroelectric reservoirs are novel ecosystems that provide a variety of important services. To manage these ecosystems and their fish populations effectively, we need to develop conceptual frameworks for predicting their short‐ and long‐term responses. To advance this goal, we revisited and tested the “trophic surge hypothesis, TSH.” The TSH has been widely cited in the literature, but has not been empirically tested across numerous reservoirs. The TSH suggests that fish populations should show a hump‐shaped pattern (i.e., the non‐equilibrium phase) after river impoundment. As such, we assembled 40 recruitment and 109 adult fish abundance time series from 19 species distributed across seven reservoirs from temperate and boreal regions, and applied curve fitting analyses and model selection. We found that the hump‐shaped pattern was the predominant pattern across individual time series, providing moderate support for the TSH. Fish recruitment increased substantially during reservoir filling and was followed by an increase in adult fish lagging 3–4 years behind. The non‐equilibrium phase was transient and lasted roughly eight years for recruits, whereas it could be much longer for adults. When time series were combined across regions and sites, the support for the TSH was weaker. However, we observed significant variability in the duration, timing, and magnitude of the surge across individual time series and found that the total flooded area was the most influential predictor to explain this variability. In conclusion, the TSH and related metrics can be a useful and general predictive framework to understand how fish populations may respond to impoundment. In particular, long‐term management recommendations could be short‐sighted if formulated before convincing evidence has emerged to show that the reservoir reached its new trophic equilibrium.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,213
Écart entre enseignants0,169 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations38
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcosphereMême sujetFish Ecology and Management StudiesTravaux en français237 207