Telemetry-based spatial–temporal fish habitat models for fishes in an urban freshwater harbour
Notice bibliographique
Résumé
Fish habitat associations are important measures for effective aquatic habitat management, but often vary over broad spatial and temporal scales, and are therefore challenging to measure comprehensively. We used a 9-year acoustic telemetry dataset to generate spatial-temporal habitat suitability models for seven fish species in an urban freshwater harbour, Toronto Harbour, Lake Ontario. Fishes generally occupied the more natural regions of Toronto Harbour most frequently. However, each species exhibited unique habitat associations and spatial-temporal interactions in their habitat use. For example, largemouth bass exhibited the most consistent seasonal habitat use, mainly associating with shallow, sheltered embayments with high aquatic vegetation (SAV) cover. Conversely, walleye seldom occupied Toronto Harbour in summer, with the highest occupancy of shallow, low-SAV habitats in the spring, which corresponds to their spawning period. Others, such as common carp, shifted between shallow summer and deeper winter habitats. Community level spatial-temporal habitat importance estimates were also generated, which can serve as an aggregate measure for habitat management. Acoustic telemetry provides novel opportunities to generate robust spatial-temporal fish habitat models based on wild fish behaviour, which are useful for the management of fish habitat from a fish species and community perspective. Supplementary Information: The online version contains supplementary material available at 10.1007/s10750-023-05180-z.
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) | 0,001 | 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 ».