MétaCan
Menu
Retour à la cohorte
Enregistrement W2903841932 · doi:10.1590/1982-0224-20170003

Physical habitat simulation for small-sized characid fish species from tropical rivers in Brazil

2018· article· en· W2903841932 sur OpenAlexfundno aff
Hersília de Andrade е Santos, Cecília Gontijo Leal, Paulo dos Santos Pompeu, Ceceo Chaves, Stephanie Fernandes Cunha

Notice bibliographique

RevueNeotropical Ichthyology · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Alberta
Mots-clésHabitatBiologyEcologyFish <Actinopterygii>CharacidaeFishery

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Physical habitat simulation (PHABSIM) is an important step of the instream flow incremental methodology (IFIM), which is applied to establish environmental flow regimes. This study applied the PHABSIM in two reaches of the Velhas river basin, whose long-term discharges are similar but are under different degrees of impact. Suitability curves were obtained for fish species using traditional methods (Astyanax sp., Piabarchus stramineus, Piabina argentea and Serrapinnus heterodon) and generalized additive models for fish density (Astyanax sp., P. argentea and S. heterodon). The results of habitat use depended on the method for curves generation. Applying the suitability curves by traditional methods, different discharge scenarios were simulated. The flow increasing from a dry scenario to a discharge of 1 year of return promotes a possible habitat increase for all species. However, the same hydrological flow percentiles produce different habitat proportions in different rivers. This work demonstrates that regardless of how suitability curves for the Neotropical species are generated, caution should be taken when applying them. However, the PHABSIM method allows more complex analyses than the traditional approaches based on minimal flow estimations, which is usually applied in South America.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,012
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0020,001

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 Opus0,017
Tête enseignante GPT0,260
Écart entre enseignants0,243 · 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 tête enseignante, pas un consensus.

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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeotropical IchthyologyMême sujetFish Ecology and Management StudiesTravaux en français237 207