Using Harmonization to Examine Freshwater Mussel Species at Risk: A Sydenham River Watershed Case Study
Notice bibliographique
Résumé
There are over 300 species of freshwater mussels (Family: Unionidae) across North America with many populations at risk or in decline. Mussels provide essential ecosystem services, yet they remain largely underexplored in terms of distribution, population sizes, life history traits, and co-existence with hosts, making species conservation efforts a challenge. To advance the conservation of freshwater mussel species at risk of extinction (SAR), this thesis aims to extend understanding of freshwater mussel SAR distributions in a biodiverse but vulnerable watershed in the Laurentian Great Lakes basin. This thesis asks: How can freshwater mussel SAR distribution data be leveraged through existing collaborations and other available knowledge? Further, how can we address uncertainty in freshwater mussel distributions through a better understanding of their host fish requirements? My work was conducted in the Sydenham River watershed, which is the most biodiverse in Canada with 35 different mussel species, 14 of which are federally listed as at risk of extinction. I employed multiple research methods including: an empirical field survey of existing mussel assemblages and environmental conditions across the watershed, a literature synthesis to compile all available host fish data, and expert input to refine local host information for the watershed. In my empirical survey, I found two major patterns in assemblages across the watershed: habitats within the main stem East branch of the watershed were significantly richer and significantly different based on environmental characteristics than the North branch. Additionally, host fishes were not very good predictors for where SAR freshwater mussels reside. Further, habitat characteristics informed mussel assemblage composition. My results offered multiple lines of evidence to demonstrate that harmonizing available datasets can help better understand mussel communities and therefore be applied to watershed-scale restoration efforts in the Great Lakes and beyond.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».