Evaluation of Lethal Fish Sampling and the Nonlethal Alternative Under the Canadian Metal and Diamond Mining Environmental Effects Monitoring Program
Notice bibliographique
Résumé
The Environmental Effects Monitoring (EEM) program, federally mandated to metal and diamond mines and mills in Canada, aims to ensure that fish, fish use, and their environment are sufficiently protected by the Metal and Diamond Mining Effluent Regulations (MDMER). Concerns have been raised regarding lethal fish sampling conducted for the program and the potential risk to fish populations. This study endeavored to calculate the extent of fish sacrificed during lethal EEM fish surveys to provide a more informed characterization for stakeholders. By extrapolating data from 28 studies conducted at 8 metal mines in Saskatchewan between 2004 and 2017, it was conservatively estimated that 60 060 ± 19 978 fish have been sacrificed for the program nationwide since its promulgation in 2002. This is almost 2 times greater than guidance recommendations due to numerous factors. Challenges faced when implementing the nonlethal fish population survey alternative were also evaluated, and some of these included data interpretation inconsistencies due to the lack of critical effect sizes (CES) included in the regulations for nonlethal effect endpoints, and reliance on capturing young of the year fish to assess the prescribed effect endpoints. Finally, a case study conducted to evaluate the congruity of lethal and nonlethal fish population survey results identified that the effect endpoints often produced conflicting conclusions for the same response variable. Ultimately, this study highlights that in order to strengthen and promote the use of nonlethal fish sampling as an alternate to the current standard of conducting lethal fish population surveys under the EEM program, the effect endpoints, study designs, and adoption of CES need to be thoroughly evaluated and included in the MDMER. If nonlethal sampling designs adequately provide the required data and meet program objectives, then there would be no need to continue sacrificing fish for the Canadian metal and diamond mining EEM program. Integr Environ Assess Manag 2019;00:1-10. © 2019 SETAC.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».