Long-term evaluation of the impact of urbanization on native and non-native fish assemblages
Notice bibliographique
Résumé
Urbanization often leads to the homogenization of species composition in aquatic ecosystems, as it introduces disturbances that can destroy the habitats of unique endemic or native species while creating alternative habitats for species capable of adapting to these conditions. This study utilized a long-term dataset from 1971 to 2010, focusing on fish species presence within three watersheds of the Greater Toronto Area, Canada. The objective was to evaluate any changes in fish communities over time across three groups of species assemblages: native, non-native species, and a combining of all species. We considered key predictor variables for which data exist: catchment area, distance to a species pool source (Lake Ontario), and percentage of urban cover, to determine their impacts on species richness over time. Three hypotheses were tested: (1) the rate of change in species richness differs among the three groups; (2) urbanization promotes the spread and homogenization of non-native species distribution; and (3) native species assemblages exhibit high nestedness initially, decreasing over time as non-native species established and replaced native species. We used general linear models and the nestedness analysis to characterize matrices of species distributions of native and non-native fish assemblages among the catchments over time. Overall, the results indicate that nestedness temperatures (NTs) for native fish were lower compared to non-native fish assemblages. Over the four decades studied, native species richness declined with increasing urban cover, while non-native species richness increased and compensated for native losses. Furthermore, native species assemblages exhibited high nestedness at the beginning of the record period, which decreased over time as non-native species became established and replaced native species. This trend suggests that further changes in fish communities are probable. As native fish communities become patchier (not nested), this process may accelerate, potentially isolating communities and making them more prone to perturbations.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».