Characterizing species co‐occurrence patterns of imperfectly detected stream fishes to inform species reintroduction efforts
Notice bibliographique
Résumé
Species reintroduction efforts can improve the recovery of imperiled species, but successful implementation of this conservation strategy requires a thorough understanding of the abiotic and biotic factors influencing species viability. Species interactions are especially understudied, in particular by omitting the effect of imperfect detection on negative, neutral, or positive associations within a community. Using repeat surveys from 5 southern Ontario, Canada, Great Lakes tributaries, we quantified species co-occurrence patterns with the eastern sand darter (ESD) (Ammocrypta pellucida), listed as federally threatened, and characterized how imperfect detection during sampling can influence inference regarding these relationships. We used a probabilistic framework that included 3 approaches of increasing complexity: probabilistic co-occurrence analysis ignoring imperfect detection; single-species occupancy models with subsequent co-occurrence analysis; and 2-species occupancy models. We then used our occupancy models to predict suitable sites for potential future reintroduction efforts while considering the influence of negative species interactions. Based on the observed data, ESD showed several positive associations with co-occurring species; however, species associations differed when imperfect detection was considered. Specifically, a negative association between ESD and rosyface shiner (Notropis rubellus) was observed only after accounting for imperfect detection in the Grand River. Alternatively, positive associations in the Grand River between ESD and northern hogsucker (Hypentelium nigricans) and silver shiner (Notropis photogenis) were observed regardless of whether imperfect detection was accounted for. Our models predicted several potential reintroduction sites for ESD in formerly occupied watersheds with high levels of certainty. Overall, our results demonstrate the importance of investigating imperfect detection and species co-occurrence when planning reintroduction efforts.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,003 | 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 tête enseignante, 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 ».