River fragmentation and flow alteration metrics: a review of methods and directions for future research
Notice bibliographique
Résumé
Abstract Rivers continue to be harnessed to meet humanity’s growing demands for electricity, water, and flood control. While the socioecological impacts of river infrastructure projects (RIPs) have been well-documented, methodological approaches to quantify river fragmentation and flow alteration vary widely in spatiotemporal scope, required data, and interpretation. In this review, we first present a framework to visualise the effects of different kinds of RIPs on river fragmentation and flow alteration. We then review available methods to quantify connectivity and flow alteration, along with their data requirements, scale of application, advantages, and disadvantages. Finally, we present decision-making trees to help stakeholders select among these methods based on their objectives, resource availability, and the characteristics of the project(s) being evaluated. Thematic searches of peer-reviewed literature using topic-relevant keywords were conducted on Google Scholar. The bibliography of selected papers was also reviewed, resulting in the selection of 79 publications. Papers that did not define or apply a specific metric were excluded. With respect to fragmentation, we selected papers focused on instream connectivity and excluded those dealing with overland hydrologic connections. For flow alteration, we selected papers that quantified the extent of alteration and excluded those aimed at prescribing environmental flows. The expected hydrological consequences of various RIP types were ‘mapped’ on a conceptual fragmentation-flow alteration plot. We compiled 29 metrics of river fragmentation and 13 metrics to flow alteration, and used these to develop decision-making trees to facilitate method selection. Despite recent advances in metric development, further work is needed to better understand the relationships between and among metrics, assess their ecological significance and spatiotemporal scale of application, and develop more informative methods that can be effectively applied in data-scarce regions. These objectives are especially critical given the growing use of such metrics in basin-wide conservation and development planning.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».