Fish Assemblage Structure in Great Lakes Coastal Wetlands
Notice bibliographique
Résumé
PURPOSE: Coastal wetlands in the Great Lakes are important habitats for many fishes. The geographic scale and diversity of land uses in the region result in substantial environmental variation among coastal wetlands. METHODS: Annual surveys were conducted as part of the Great Lakes Coastal Wetland Monitoring Program (GLCWMP) to better understand wetland condition across the basin. Fyke nets were used to sample fish in 1,224 unique monodominant vegetation zones during 2011-2020. RESULTS: A total of 588,709 fish were captured, representing 109 different species. Yellow Perch (Perca flavescens) was the most abundant species in the catch (31%). DISCUSSION AND CONCLUSION: Preliminary results suggested that basin, hydrogeomorphic type, monodominant vegetation type, and sampling year were each associated with variation in fish assemblages. For instance, fish assemblages in the more oligotrophic Lakes Michigan, Huron, and Superior appeared more similar to each other than the more eutrophic Lakes Erie and Ontario. Lacustrine and barrier protected wetlands had similar fish assemblages while riverine wetlands had less variation in community structure than the other wetland types. While we found large amounts of variation in fish assemblage structure in Great Lakes coastal wetlands, we identified patterns that can be used to further define how fish assemblages vary across the Great Lakes basin.
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) | 0,001 | 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 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 ».