Does life history mediate discharge as a driver of multi‐decadal changes in populations of freshwater fish?
Notice bibliographique
Résumé
Understanding how and why the size of populations varies is critical knowledge for conservation and management. While considerable work has explored how different demographic parameters affect population growth, less is known the drivers of variability in these parameters. Long-term time series tracking population size that are coupled with empirical data to examine the relative importance of different drivers are rare, especially in freshwater systems. Even rarer are studies that collect this information concurrently from multiple species with contrasting life history strategies in the same system to assess whether population size and the relative importance of drivers also vary. We studied changes in the abundance and size structure of four native freshwater fish species in the Murray River, southeastern Australia, over a continuous 19-yr period. Two species with traits typical of "equilibrium" species (Murray cod Maccullochella peelii and trout cod Maccullochella macquariensis) and two with traits of "periodic" species (golden perch Macquaria ambigua and silver perch Bidyanus bidyanus) were sampled annually and capture-mark-recapture modeling was used to ask (1) how did population size change during this period, (2) how were changes in population size related to variability in hydrology, and (3) how were changes in population size driven by different processes (local recruitment or migration events)? Populations of all four species varied throughout the study, and our results are consistent with the notion that local recruitment is an important driver of this variability for Murray cod and trout cod, whereas immigration is more important for the two other species. Increases in spring river discharge strongly influenced these responses for trout cod and golden perch. Our study provides fundamental insights into the population dynamics of these valued species, and how management strategies might differ based on their life histories. Management should focus on allowing connectivity for golden and silver perch, and on promoting local scale recruitment and survival for Murray cod and trout cod. More generally, our study highlights the importance of understanding the processes underpinning population persistence, how these processes may vary for different species, and ultimately how this knowledge can inform targeted management actions.
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 | 0,000 |
| 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) | 0,011 | 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 ».