PREDICTING OCCURRENCES AND IMPACTS OF SMALLMOUTH BASS INTRODUCTIONS IN NORTH TEMPERATE LAKES
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Smallmouth bass and other warmwater littoral piscivores are presently expanding their geographic range northward into lakes across southern Canada. Smallmouth bass introduction can dramatically reduce minnow abundances, causing native lake trout to shift to low quality, invertebrate-based diets. Here we develop models to predict future occurrences and impacts of Smallmouth bass in central Ontario, with the goal of identifying "vulnerable" lakes in order to better guide prevention efforts. Using local and regional environmental variables for 3046 central Ontario lakes, an artificial neural network was used to predict lakes that are likely to be invaded by bass. Smallmouth bass can significantly influence the occurrence and abundance of small-bodied fishes (mainly minnows), and stable isotope analysis of food webs in 18 lakes revealed that lake trout are buffered from impacts of bass on minnows in lakes containing pelagic prey fishes. In the absence of pelagic prey fishes, the trophic niche of lake trout depends on the presence of bass; lake trout feed primarily on zooplankton in the presence of bass, and minnows in the absence of bass. Of the 3046 lakes, the 788 lake trout lakes in central Ontario were classified according to their vulnerability to bass invasion based on the predictability of bass occurrence and their subsequent impacts, and mapped in a Geographic Information System (GIS). Only 48 lake trout lakes (6%) were classified as "high vulnerability" - predicted to be invaded and impacted by bass. Another 301 lakes had a sensitive food web structure but were not predicted to support a bass population. Based on this information, efforts to prevent further impacts can be optimized by focusing on this vulnerable subset of lakes.
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.
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 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| 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 découle