Large‐bodied fish assemblage characteristics in large rivers across Ontario
Notice bibliographique
Résumé
Abstract Large‐bodied fish assemblages were assessed in large rivers across Ontario. The objectives of this study were to (i) determine if there were relationships in large‐bodied fish species within rivers; (ii) determine what factors explain the variability in the abundance of large‐bodied fish within rivers across Ontario; and (iii) assessed variation in large‐bodied fish biodiversity among these river. Standardized index netting was conducted at 22 sites across 12 major rivers and sampled 3889 fish representing 26 species. Species associations were evident based on correspondence analysis. Walleye, Common White Sucker, Northern Pike and Lake Whitefish formed one group; Silver Redhorse, Shorthead Redhorse and Lake Sturgeon (adult and juvenile) formed another; Burbot, Longnose Sucker and Sauger were closely associated; and Cisco, Yellow Perch, Rock Bass, Smallmouth Bass and Brown Bullhead grouped. Canonical correspondence analysis was conducted to link species abundance patterns to environmental conditions. Walleye, Common White Sucker, Lake Whitefish and Smallmouth Bass were ubiquitous. Northern Pike abundance was negatively correlated with river discharge and longitude. Burbot, Sauger and Longnose Sucker abundance were positively correlated with deep rivers and discharge. Whereas Cisco, Yellow Perch and Rock Bass abundance were greater in wider rivers with lower discharge. Lake Sturgeon (adult and juvenile), Silver Redhorse and Shorthead Redhorse abundance were greater in narrow, longer rivers. Juvenile Lake Sturgeon abundance was positively correlated with longitude and river discharge. Mean species diversity and richness of large‐bodied fish among all sites was 1.58 (0.36 SD) and 7.7 (2.6 SD). Species diversity was not significantly related to any of the variables used in the Generalized Linear Model; however, species richness was significantly related to maximum depth. This study demonstrated subtle differences in environmental variables affecting large‐bodied fish at the landscape scale rather than those observed at the river scale.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».