Multiscale Processes Drive Formation of Logjam Habitats and Use by Juvenile Chinook Salmon Across a Boreal Stream Network in Alaska
Notice bibliographique
Résumé
ABSTRACT Boreal forest streams are characterized by large volumes of instream wood, yet the relationship between logjams and Pacific salmon productivity remains underqualified. We located logjams (n = 427) within the distribution of Chinook salmon (Oncorhynchus tshawytscha) in the Chena River, Alaska (Yukon River tributary) and measured dimensions, classified formative process, and snorkel‐sampled a subset (n = 189) of logjams to detect and count juvenile salmon relative to multiscale variables and a dam. Logjam size increased downstream, whereas logjam density and large wood recruits declined (upstream = 6 logjams/km, 33 recruits/km; downstream = 0.3 logjams/km, 6 recruits/km), particularly below a dam that reduced downstream wood transport and log‐trapping locations (i.e., bars). Juvenile salmon occupied 68% of logjams; mid‐network logjams had the highest densities (mean = 0.85 fish/m2). We modeled juvenile salmon counts with logjam‐, stream reach‐, and neighborhood‐scale (> 1 km) predictors. Covariates that best predicted juvenile salmon densities included bankfull flow and stream power at reach scales in addition to growth potential, spawning habitat quality, and logjam area within 1 km of the focal logjam at neighborhood‐scales. Multiscale perspectives that link landscape characteristics, wood dynamics, and instream modifications with juvenile salmon production will be important to facilitate conservation and management of boreal streams.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| 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 ».