Habitat Structures Rainbow Trout Population Dynamics Across Spatial Scales
Notice bibliographique
Résumé
Density-dependent processes play an important role in structuring population dynamics – as the number of organisms within a set area increases, population vital rates and life history traits will also change arising from increased competition for limited food and space. In this thesis I explore how variation in the quantity of habitat available impacts size-structured animal populations using lake-dwelling rainbow trout (Oncorhynchus mykiss). First, I developed hypotheses on the biological processes by which habitat impacts population dynamics using a multi-habitat age-structured population model. This theoretical model showed that habitat limitations at any life stage can bottleneck the population and impact its dynamics, but that the timing of regulation influences population outcomes. Limited habitat in early life led to high early mortality, resulting in low overall population density of larger fish, while limited habitat in adult life led to high early survival and a high density of stunted fish populations. I then compared the model predictions to empirical data from 39 wild rainbow trout populations and to results of a harvest experiment. The field results corroborated the model predictions and showed that lakes with a higher early (stream) to late (lake) life stage habitat ratio presented higher number of recruits, later age at maturity and a smaller maximum size than lakes in which stream habitat was limiting. The density manipulation also supported the model predictions as the lake with the lowest habitat ratio presented the lowest compensatory reserve and showed a density-dependent growth response to harvest. Finally, I used the knowledge acquired at the lake-scale to predict rainbow trout production at the landscape-scale. I developed a methodology that describes rainbow trout distribution based on stream network characteristics and connectivity. Then I used a landscape-scale proxy of stream habitat availability, stream order, and lake area to predict stream to lake habitat ratio and infer population dynamics. I combined this landscape-scale production information with recreational fishing demand to identify regions more prone to being impacted by overfishing or habitat perturbations. My research details how local habitat availability influences fish populations and can be used to predict population dynamics across a landscape of lakes providing a valuable tool to managers.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».