Comparing water-level policies in a boreal reservoir: How wave and ice energy can help maintain walleye spawning habitat
Notice bibliographique
Résumé
Papenfuss JT, Cross T, Venturelli PA. 2017. Comparing water-level policies in a boreal reservoir: how wave and ice energy can help maintain walleye spawning habitat. Lake Reserve Manage. 00:00–00. Water levels in reservoirs affect the timing and depth of wave and ice forces that help maintain walleye (Sander vitreus) spawning habitat. We studied how changes in a water-level management policy (“rule curve”) in 2000 affected these forces on 3 lakes of the Namakan Reservoir, a large boreal reservoir on the border of Canada and the United States. The 2000 rule curve increased mean water levels (0.1 m) during open-water seasons and caused a significant increase in the amount of time each year that wave energy over suitable spawning substrates suspended <0.2 mm sediments at known spawning locations (6–18%, P < 0.01). Conversely, a decrease in the mean range (0.7 m) of water-level elevations during winter seasons caused an 11% decrease (P < 0.01) in the interaction of ice with spawning substrates at known spawning locations. However, ice scour still affected those substrate elevations that were used frequently by walleye during typical spawning seasons. Our findings suggest that water-level management is important for maintaining suitable walleye spawning habitats, and that policies can be designed to optimize those habitat conditions.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».