MétaCan
Menu
← Retour à la cohorte
Enregistrement W2846163776 · doi:10.1139/cjfas-2018-0033

The influence of natural flow and temperature and introduced brown trout on the temporal variation in native fish abundance in a “reference” stream

2018· article· en· W2846163776 sur OpenAlexfundvenueno aff
John W. Hayes, Eric Goodwin, Joanne E. Clapcott, Karen A. Shearer

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesFisheries and Oceans Canada
Mots-clésBrown troutAbundance (ecology)TroutEcologySalmoRelative species abundanceRainbow troutHabitatContext (archaeology)TributaryPopulationBiologyJuvenile fishEnvironmental scienceFisheryGeographyJuvenileFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

Understanding what drives variation in fish abundance at reference sites provides perspective for assessing the effects of human alterations to river flow and land use. We examined temporal variation in fish community abundance in a headwater tributary of a large river in the upper South Island (New Zealand) over 10 years. We were interested in the influence of natural flow variation and temperature on native fish abundance within the context of potential competition/predation pressure from juvenile introduced trout. Results from biannual sampling highlighted the dominating influence of floods on fish population dynamics, overriding biotic effects. We found no evidence for adverse effects of trout on native fish, and flow-related habitat performed more poorly in explaining variation in fish abundance than low- and median-flow statistics. Differences in temporal variation in abundance between species were largely consistent with life histories that provide resistance and (or) resilience to flood flows and relative insensitivity to low flows. Long-term data (≥10 years) are needed for detecting meaningful trends and quantifying the effects of human activities on fish community abundance.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,074
Score d'incertitude au seuil0,147

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,008
Tête enseignante GPT0,200
Écart entre enseignants0,192 · 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

Citations4
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetFish Ecology and Management Studies→Travaux en français237 207→