Salmonid Biomass in Streams Around the World: A Quantitative Synthesis
Notice bibliographique
Résumé
ABSTRACT Salmonid fishes are one of the best studied fish taxa, but little is known about their biomass distribution. We created a dataset using published material for over 1000 rivers with estimated salmonid biomass, covering 27 countries, and 11 species. The distribution of salmonid biomass and production across streams was skewed to the right with a mean biomass and production of 5.2 g/m 2 (range = 0–70.3 g/m 2 ) and 6.3 g/m 2 /year (range = 0.03–50.2 g/m 2 /year), respectively. The top 10% and 1% of salmonid streams in the world had a biomass > 11.9 and 36.5 g/m 2 , respectively, and a production > 13.9 and 25.6 g/m 2 /year, respectively. Salmonid production was positively correlated with biomass ( r = 0.82, n = 194), with a mean production to biomass (P/B) ratio of 1.08, which differed among species. Mean biomass declined 38% over time, from 8.6 g/m 2 before 1980 to 5.4 g/m 2 in 2000–2020. Biomass was also higher in small streams (< 10 m wide) and in streams where smaller areas were sampled. Brown trout ( Salmo trutta ) streams represented a higher proportion of those with biomass > 10 g/m 2 than many other species. In addition to the variables mentioned above, salmonid biomass in streams was affected by species, season, method of sampling, elevation, latitude, and migratory strategy. Expanding the list of variables would be useful for developing models to predict salmonid biomass and the conditions for an outstanding salmonid stream, defined as a stream which has a biomass estimate in the top 1% worldwide.
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 | 0,000 |
| 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 ».