Projecting the effects of agricultural conservation practices on stream fish communities in a changing climate
Notice bibliographique
Résumé
How anticipated climate change might affect long-term outcomes of present-day agricultural conservation practices remains a key uncertainty that could benefit water quality and biodiversity conservation planning. To explore this issue, we forecasted how the stream fish communities in the Western Lake Erie Basin (WLEB) would respond to increasing amounts of agricultural conservation practice (ACP) implementation under two IPCC future greenhouse gas emission scenarios (RCP4.5: moderate reductions; RCP8.5: business-as-usual conditions) during 2020-2065. We used output from 19 General Circulation Models to drive linked agricultural land use (APEX), watershed hydrology (SWAT), and stream fish distribution (boosted regression tree) models, subsequently analyzing how projected changes in habitat would influence fish community composition and functional trait diversity. Our models predicted both positive and negative effects of climate change and ACP implementation on WLEB stream fishes. For most species, climate and ACPs influenced species in the same direction, with climate effects outweighing those of ACP implementation. Functional trait analysis helped clarify the varied responses among species, indicating that more extreme climate change would reduce available habitat for large-bodied, cool-water species with equilibrium life-histories, many of which also are of importance to recreational fishing (e.g., northern pike, smallmouth bass). By contrast, available habitat for warm-water, benthic species with more periodic or opportunistic life-histories (e.g., northern hogsucker, greater redhorse, greenside darter) was predicted to increase. Further, ACP implementation was projected to hasten these shifts, suggesting that efforts to improve water quality could come with costs to other ecosystem services (e.g., recreational fishing opportunities). Collectively, our findings demonstrate the need to consider biological outcomes when developing strategies to mitigate water quality impairment and highlight the value of physical-biological modeling approaches to agricultural and biological conservation planning in a changing climate.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».