Cumulative effects of dams on migratory fishes across the conterminous United States: Regional patterns in fish responses to river network fragmentation
Notice bibliographique
Résumé
Abstract Globally, dams fragment river networks, threatening migratory fishes which require access to distinct habitats to complete their life cycles. Efforts to understand how cumulative effects of multiple dams affect migratory fishes across large regions, such as a country or continent, could help to identify locations for connectivity‐enhancing actions to conserve migratory fishes. To address this, we evaluated cumulative effects of dams on migratory fishes in rivers across nine ecoregions of the conterminous USA. First, using fish data from thousands of sites ( N = 45,989), we summarized ecoregional patterns in assemblages, quantifying the number of migratory species comprising assemblages, showing the prominence of potamodromous species across the large region as well as differences in migratory life history traits among ecoregions. Next, we compared the importance of a set of river network fragmentation metrics that captured influences of multiple dams in networks versus other anthropogenic landscape stressors and natural landscape factors that impact migratory fishes by ecoregion. We found that migratory fishes were more sensitive to cumulative dam effects than other stressors including urbanization and agriculture in the eastern USA. To further identify specific effects of environmental variables on potamodromous fishes, we conducted Boosted Regression Trees analysis in the eastern ecoregions. Our results suggested that the key natural influences on river fishes included catchment area as well as river baseflow and air temperature, suggesting that migratory fishes may be affected by changing climate. Additionally, we found that downstream dams were more influential than other human stressors to potamodromous fishes, underscoring the importance of enhancing connectivity within river networks to conserve migratory fishes. Collectively, our results provide new insights in identifying threats to migratory fish species across the USA, providing information that can aid in conserving this vulnerable but ecologically and socioeconomically important group of fishes.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».