Managing the Impacts of Human Activities on Fish Habitat: The Governance, Practices, and Science
Notice bibliographique
Résumé
<em>Abstract.</em>—American Eel mortality has increased substantially over the past century due largely to significant cumulative effects of fishing and fish passage through hydro-electric turbines across their range. Nowhere has this been more pronounced than in waters of the St. Lawrence River, Lake Ontario, Ottawa River and associated watersheds. We illustrate this by examining the cumulative effects of hydro-electric facilities on eels migrating downstream through the Mississippi River and Ottawa River, and outline further impacts eels encounter en route to spawn in the Sargasso Sea. The probability of a mature female eel surviving its emigration through the Mississippi and Ottawa River to the upper St. Lawrence River is estimated to be as low as 2.8% due to turbine mortalities alone (2.8–40%). Mortality risk increases as the eel attempts to run the gauntlet of fisheries in the lower St. Lawrence River and the probability of out-migration survival is estimated to be as low as 1.4%. Some mortalities could be mitigated through improved application of existing laws, development of policy requiring consideration of cumulative effects and improved integration among program areas responsible for sustainable management of fisheries, biodiversity, dams and hydro-electric facilities. We recommend changes to policy, procedures and internal organizational structures provided with clear directions, and call for increased accommodation of Aboriginal perspectives.
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 | 0,001 | 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 | 0,001 | 0,018 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».