Comparison of a deterministic and statistical approach for the prediction of thermal indices in regulated and unregulated river reaches: case study of the Fourchue River (Québec, Canada)
Notice bibliographique
Résumé
Abstract Water temperature is an important factor modifying fish distribution patterns and community abundance in streams, and this is especially true for salmonids. Knowing that dams often modify the thermal regime of rivers, understanding these changes is of crucial importance for fish habitat management. This study aims to improve knowledge about the impact of dams on the thermal regime of rivers during the summer season and to assess the relative efficiency of two modelling tools used to predict water temperature downstream of dams. A deterministic model (Stream Network Temperature (SNTEMP)) and a statistical model based on a canonical correlation analysis were calibrated on the Fourchue River (St-Alexandre-de-Kamouraska, Québec, Canada) upstream and downstream of a reservoir. SNTEMP was used to simulate mean water temperature time series using meteorological inputs and discharge. The statistical model was used to directly estimate thermal indices (descriptive statistics of the thermal regime). The two models were compared based on their efficiency to estimate thermal indices such as mean and maximum monthly water temperatures and other parameters of importance in the understanding of the distribution and growth of ichthyofauna. Water temperature was monitored at 18 locations in the Fourchue River during the summers of 2011 and 12 locations in 2012 to describe the thermal regime and calibrate the models. The statistical model achieved better results than SNTEMP in estimating most of the thermal indices, especially the mean and maximum daily ranges with root mean square errors of 4.1 and 4.9 °C, respectively, for SNTEMP as compared to 0.5 and 1.1 °C for the leave-one-out validation and 0.6 and 1.4 °C for the split-sample mode for the statistical model. The better performance of the statistical model for metrics related to thermally stressful events for fish makes it more appealing as a management tool for water resources and fisheries managers. However, SNTEMP should be considered when the objective is to investigate the impact of climate change, reservoir operations or other anthropogenic impacts.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».