Will a Fish's Perspective Improve the Ecological Relevance of River Connectivity Metrics?
Notice bibliographique
Résumé
ABSTRACT Structural indices of aquatic connectivity typically focus on the spatial arrangement of barriers to fish movement. Here, we describe a method that adapts the widely applied structural Dendritic Connectivity Index (DCI) into a functional index (DCI F ) that constrains connectivity measurements to biologically relevant scales (e.g., based on fish movement behavior). We compare fish communities in five Ontario watersheds to empirically test the hypothesis that they are better explained when connectivity is measured using the DCI F . We test the response of fish abundance grouped by swimming abilities and morphology, along with fish community assemblage as a whole. We expected the DCI F to better explain the abundance of the weakest swimmer groups and overall community assemblage than the structural index. At the spatial scales examined, the DCI F provided modest improvements in explaining the abundance of some fish functional groups. Conversely, we found little to no improvement over the structural index in explaining community structure. Regardless, our paper illustrates a new approach that explicitly incorporates ecologically relevant scales into connectivity measures within watersheds. These scale effects can be significant, and the approach presented here can be applied to aquatic systems at various spatial extents. Our case study suggests that managers may not always need to gather data on fish movement or other biological parameters, and instead can focus on variables that may better explain the effect of barriers on fish community patterns.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».