Complexity and spatial structuring of fish communities across urbanized watersheds and waterfronts
Notice bibliographique
Résumé
Understanding the spatial structure and diversity of fish communities in urban environments is crucial for effective conservation and management. Our study investigates the complexity and spatial structuring of fish communities across urbanized watersheds and waterfronts in the Toronto region. We evaluated the influence of environmental factors, including habitat, human impact, and species traits, on fish community composition. Specifically, we identify distinct groups based on sampling locations using modularity analysis and partial least square path modeling (PLS-PM). Our results reveal three distinct fish community groups. The first group, primarily located in major watersheds such as Humber and Rouge, is characterized by lower human impact and larger tracts of less developed land, where habitat variables like water quality play a significant role. These areas support species with intermediate tolerance levels to disturbances. The second group includes diverse waterfront and nearshore habitats, where high species richness and variability are influenced by varied environmental conditions and riparian zones, with limited urban impact. The third group, encompassing some of the more urbanized areas, faces the constraints of urbanization and a high density of instream barriers, resulting in lower species diversity and a dominance of disturbance-tolerant species. Our findings highlight how different urban environments shape fish communities based on available habitat in interaction with species traits. This underscores the importance of tailored urban watershed management strategies based on urbanization levels and habitat constraints.
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 | 0,001 |
| 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 ».