MétaCan
Menu
← Retour à la cohorte
Enregistrement W2992379443 · doi:10.1139/cjfas-2019-0268

Measures of fish community size structure as indicators for stream monitoring programs

2019· article· en· W2992379443 sur OpenAlexafffundvenue
Isaac A. Sutton, Nicholas E. Jones

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensMinistry of Natural Resources and Forestry
Organismes subventionnairesOntario Ministry of Natural Resources and ForestryMinistry of Natural Resources
Mots-clésElectrofishingSpecies evennessRiver ecosystemSample size determinationCommunity structureEcologyEnvironmental scienceRange (aeronautics)Sampling (signal processing)STREAMSIndex of biological integrityEcosystemLake ecosystemLand coverStatisticsSpecies richnessGeographyHydrology (agriculture)Physical geographyAbundance (ecology)Land useBiologyMathematicsWater quality

Résumé

récupéré en direct d'OpenAlex

Characterization of community size structure presents an alternative to taxa-based approaches commonly applied to assess lotic ecosystem health. However, few studies have explored the relationship between community size structure and land use stresses in lotic systems. In the present study, we investigated use of metrics including mean body size, body size range, size diversity, size evenness, and the size spectrum slope as indicators of land use disturbance in streams. We also explored the effects of sampling intensity (one- versus three-pass electrofishing) on these size-based variables. We found significant decreases in size range and diversity with increased urban cover. In contrast, mean body size, size evenness, and size spectrum slopes were unrelated to variation in land use. Fewer than 25% of samples collected conformed to the power law model predicted for size distributions in aquatic ecosystems. However, increased departure from the power law form was related to agricultural cover and the use of three-pass electrofishing.

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)0,003
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,997
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
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 Opus0,023
Tête enseignante GPT0,228
Écart entre enseignants0,205 · 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

Citations10
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

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