Before-after, control-impact analysis of evidence for the impacts of water level on Walleye, Northern Pike and Yellow Perch in lakes of the Rainy-Namakan complex (MN, USA and ON, CA)
Notice bibliographique
Résumé
Water level (WL) fluctuations in lakes influence many aspects of ecosystem processes. Concern about the potential impact of WL fluctuations on fisheries was one of the factors that motivated the decision in 2000 to alter the management of WL in the Rainy-Namakan reservoir complex (on the border between the U.S. state of Minnesota and the Canadian province of Ontario). We used a Before-After, Control-Impact (BACI) framework to identify potential impacts of the change in WL management to Walleye, Northern Pike and Yellow Perch catch per unit effort (CPUE). The CPUE of these species from 1990-1999 and from 2005-2014 were compared in four impact lakes (Lake Kabetogama, Namakan Lake, Rainy Lake and Sand Point Lake) and two control lakes (Lake of the Woods and Lake Vermilion) using a simple Bayesian model. Changes in fish CPUE in the impact lakes were often similar to changes that occurred in at least one control lake. The only change that was not similar to changes in control lakes was an increase of Yellow Perch in Lake Kabetogama. The two control lakes often differed substantially from each other, such that if only one had been available our conclusions about the role of WL management on fisheries would be very different. In general, identifying cause-and-effect relationships in observational field data is very difficult, and the BACI analysis used here does not specify a causative mechanism, so co-occurring environmental and management changes may obscure the effect of WL 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.
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 | 0,011 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».