MétaCan
Menu
← Retour à la cohorte
Enregistrement W2899633465 · doi:10.1101/461145

Dams have varying impacts on fish communities across latitudes: A quantitative synthesis

2018· preprint· en· W2899633465 sur OpenAlexafffund
Katrine Turgeon, Christian Turpin, Irene Gregory‐Eaves

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2018
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensMcGill UniversityHydro-Québec
Organismes subventionnairesMitacsCanada Research ChairsHydro-QuébecUniversité du Québec à Trois-Rivières
Mots-clésBiomeEcologySpecies richnessTrophic levelTemperate climateHabitatGeneralist and specialist speciesBiodiversityLake ecosystemGeographyContext (archaeology)BorealEcosystemEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Dams are recognized to impact aquatic biodiversity and ecosystem functions, but the magnitude of effects vary across studies. By using a meta-analytical approach, we examined the effects of impoundment on fish community across three large biomes. The impacts of dams on richness and diversity differed across biomes, with significant declines in the tropics, lower amplitude but similar directional changes in temperate reservoirs, and no changes in boreal reservoirs. Our analysis also showed that non-native species increased significantly in tropical and temperate reservoirs, but not in boreal reservoirs. In contrast, temporal trajectories in fish assemblage metrics were common across regions, with all biomes showing an increase in mean trophic position and in the proportion of generalist species after impoundment. Such changes in fish assemblages may affect food web stability and merit closer study. Across the literature examined, predominant factors or mechanisms that render fish assemblages susceptible to impacts from dams were: 1) the transformation of the lotic environment into a lentic environment; 2) habitat fragmentation and 3) invasive or non-native species. Collectively our results highlight that an understanding of the regional context and a suite of metrics are needed to make robust predictions about how fish will respond to river impoundments.

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)0,016
score de la tête « metaresearch » (Gemma)0,047
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,047
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,012
Bibliométrie0,0050,007
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,030
Tête enseignante GPT0,269
Écart entre enseignants0,238 · 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'étudeMéta-analyse
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

Citations8
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetFish Ecology and Management Studies→Travaux en français237 207→