RivFishTIME: A global database of fish time‐series to study global change ecology in riverine systems
Notice bibliographique
Résumé
Abstract Motivation We compiled a global database of long‐term riverine fish surveys from 46 regional and national monitoring programmes and from individual academic research efforts, with which numerous basic and applied questions in ecology and global change research can be explored. Such spatially and temporally extensive datasets have been lacking for freshwater systems in comparison to terrestrial ones. Main types of variables contained The database includes 11,386 time‐series of riverine fish community catch data, including 646,270 species‐specific abundance records, together with metadata related to the geographical location and sampling methodology of each time‐series. Spatial location and grain The database contains 11,072 unique sampling locations (stream reach), spanning 19 countries, five biogeographical realms and 402 hydrographical basins world‐wide. Time period and grain The database encompasses the period 1951–2019. Each time‐series is composed of a minimum of two yearly surveys (mean = 8 years) and represents a minimum time span of 10 years (mean = 19 years). Major taxa and level of measurement The database includes 944 species of ray‐finned fishes (Class Actinopterygii). Software format csv. Main conclusion Our collective effort provides the most comprehensive long‐term community database of riverine fishes to date. This unique database should interest ecologists who seek to understand the impacts of human activities on riverine fish biodiversity and to model and predict how fish communities will respond to future environmental change. Together, we hope it will promote advances in macroecological research in the freshwater realm.
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 | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,012 | 0,016 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,007 |
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 ».