Predicted effects of flow diversion by <scp>Run‐of‐River</scp> hydropower on bypassed stream temperature and bioenergetics of salmonid fishes
Notice bibliographique
Résumé
Abstract Many anthropogenic disturbances impact stream ecosystems by changing flow and temperature regimes. The emerging industry of small Run‐of‐River (RoR) hydropower reduces streamflow in bypassed reaches, with largely unknown consequences for water temperatures and fish growth. We used empirical and simulated data from two small RoR regulated streams in British Columbia (Canada) to quantify changes in water temperatures in bypassed reaches and assess the potential impacts to resident rainbow trout ( Oncorhynchus mykiss ) growth using bioenergetics models under a range of consumption scenarios. We found increases in mean monthly water temperature in bypassed reaches due to flow diversion of 0.5–0.8°C (0.17–0.19°C/km). Bioenergetics models using those temperatures predicted increases in annual O. mykiss growth (compared to natural temperatures) if consumption was unlimited (+200–450%), increases (+15–42%) if consumption was scaled with higher metabolic demand, and small reductions (−5 to 7%) if consumption remained constant. If food availability was reduced by 25%, annual growth was predicted to decline by 45%. Empirical estimates of annual growth of fish sampled indicate modest reductions in annual growth less severe than those modelled by our Scenario 2. Our results highlight that increases in water temperature induced by flow diversion for small RoR hydropower could be large enough to have consequences for O. mykiss growth, but the impacts depend on how and when RoR hydropower affects food supply and consumption.
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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».