Factors that predict brook trout distribution, thermal habitat, and abundance in Northwestern Ontario streams
Notice bibliographique
Résumé
Predictive models were developed to improve the understanding of \nstream-resident brook trout (Salvelinus fontinalis) populations and habitat in \nnorthwestern Ontario, and to facilitate protection of stream-resident brook trout \nfrom the adverse impacts of timber harvest. Geology-based models correctly \npredicted trout presence/absence in 75%-80% of streams studied in 1993. \nHowever, correct prediction rates declined to 50%-65% when these models \nwere transferred to independent data collected in 1992 and 1994. Combining \ndata from all years produced models that correctly predicted trout \npresence/absence in 70%-80% of streams. Univariate geology models were \nbest at predicting trout presence (up to 85% correct predictions). One-third of \nthe trout streams data had maximum summer temperatures >22deg.C , and thus \nare considered marginal. Using the combined data, models with geology and \nclimate variables explained up to 24% of the variation associated with stream \ntemperatures. Stream temperatures were negatively related to brook trout \nabundance in the combined data. Stability of stream temperatures accounted \nfor 25% of the variation in trout biomass (kg/ha). These models could be used \nby fisheries managers to implement current guidelines protecting brook trout \nhabitat from the effects of timber harvest.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».