MétaCan
Menu
Retour à la cohorte
Enregistrement W4310460954 · doi:10.1007/s00267-022-01750-4

Adaptive Management of Flows in a Regulated River: Flow-ecology Relationships Revealed by a 26-year, Five-treatment Flow Experiment

2022· article· en· W4310460954 sur OpenAlexafffundabout
Michael J. Bradford, Josh Korman, Jeff Sneep

Notice bibliographique

RevueEnvironmental Management · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesFisheries and Oceans CanadaBC Hydro
Mots-clésHydrographAdaptive managementEnvironmental scienceBiomass (ecology)Hydrology (agriculture)Flow (mathematics)EcologyDocumentationForest managementFish migrationEnvironmental resource managementDrainage basinWater resource managementGeographyComputer scienceGeologyBiologyMathematicsHabitatAgroforestry

Résumé

récupéré en direct d'OpenAlex

Adaptive management (AM) is often proposed as a means to resolve uncertainty in the management of socio-ecological systems but successful implementation of AM is rare. We report results from a 26 year, five-treatment, AM experiment designed to inform decision makers about the response of juvenile salmonids (Oncorhynchus spp.) to flow releases from a dam on the regulated Bridge River, British Columbia, Canada. Treatments consisted of a baseline (no dam release) and four different dam release regimes that followed a semi-natural hydrograph but varied in the magnitude of spring-summer freshet flows. We found total salmonid biomass was highest at the lowest flow release, and decreased with increasing flow, consistent with a priori predictions made by an expert solicitation process. Species-specific responses were observed that in some cases could be attributed to interactions between the flow regime and life history. The relationship between juvenile biomass and flow resulting from the experiment can inform decisions on water management for this river. The documentation of successful AM experiments is sorely needed to allow for reflection on the circumstances when AM is likely to deliver desirable outcomes, and to improve other decision processes that require fewer resources and less time to implement.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,498
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,194
Écart entre enseignants0,185 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnvironmental ManagementMême sujetFish Ecology and Management StudiesTravaux en français237 207