Réponses des espèces de poissons à des facteurs de stress environnementaux dans la région des Grands Lacs de l'Ontario
Bibliographic record
Abstract
AvertissementL'auteur de ce mémoire ou de cette thèse a autorisé l'Université du Québec à Trois-Rivières à diffuser, à des fins non lucratives, une copie de son mémoire ou de sa thèse.Cette diffusion n'entraîne pas une renonciation de la part de l'auteur à ses droits de propriété intellectuelle, incluant le droit d'auteur, sur ce mémoire ou cette thèse.Notamment, la reproduction ou la publication de la totalité ou d'une partie importante de ce mémoire ou de cette thèse requiert son autorisation.REMERCIEMENTS J'aimerais d'abord remercier mon directeur de maîtrise Marco A. Rodriguez pour m'avoir permis de réaliser ce projet et de m'avoir soutenu tout au long de ce projet.Je remercie également les membres de mon comité, Vincent Maire et Raphaël Proulx, pour leurs commentaires constructifs tout au long de mon cheminement.Je tiens également à remercier Nicholas E. Mandrak (University of Toronto Scarborough), un des premiers instigateurs de ce projet et co-auteur de l'article scientifique qui découlera de cette maîtrise ainsi que David Andrews, Lynne Bouvier, Andrew Drake et Elliot Quider (Pêches et Océans Canada) pour avoir donné accès à leur base de données et répondu rapidement à toutes nos demandes.De plus, j ' aimerais remercier Alan Dextrase et Rowshyra Castaneda qui ont généreusement fourni des données supplémentaires.Cette maîtrise n' aurait pas été aussi enrichissante sans la compagnie de tous les membres du Centre de Recherche sur les Interactions Bassins Versants -Écosystème Aquatiques (RIVE) que je tiens ici à remercier dans leur ensemble.Finalement, je souhaite remercier tout particulièrement ma famille et mes amis, pour m' avoir aidé et encouragé tout au long de ma maîtrise. AVANT-PROPOSCe mémoire s' inscrit dans le cadre de la gestion d' espèces considérées comme en péril au Canada, et dans le cadre du réseau Canadian Freshwater Species At Risk, groupe de recherche qui vise à mieux comprendre les problématiques qui entourent les espèces vulnérables au Canada. RÉSUMÉLes changements anthropiques des facteurs de stress environnementaux tels que la turbidité, la température de l'eau, la concentration en oxygène et la vitesse de l'eau sont une menace majeure pour les espèces aquatiques vulnérables.Cependant, les espèces menacées sont souvent de nature rare, ce qui pose des défis particuliers lors de l'estimation de leurs réponses aux facteurs de stress environnementaux.Notre objectif principal dans cette étude était de comprendre les réponses de poissons vulnérables aux facteurs de stress environnementaux dans le bassin canadien des Grands Lacs.Nous avons combiné des données existantes de Pêches et Océans Canada (MPO) sur l'abondance relative et les caractéristiques environnementales avec des données de la littérature sur les traits fonctionnels et la phylogénie des espèces dans une seule base de données.La base de données résultante comprenait des informations sur 115 espèces, dont 12 vulnérables.Nous avons utilisé un modèle de distribution multi-spécifique (angl.: joint species distribution model, JSDM) pour quantifier simultanément les réponses des espèces aux facteurs de stress environnementaux et leur relation avec les traits fonctionnels.Nous avons aussi incorporé au JSDM des corrélations phylogénétiques et les caractéristiques du plan d'échantillonnage.Le modèle nous a permis d'estimer l'effet des facteurs de stress environnementaux sur les espèces vulnérables.La structure hiérarchique du JSDM a permis un « emprunt de force» statistique, dans lequel les informations provenant des espèces abondantes contribuent aux estimations pour les espèces plus rares.Les réponses dérivées du modèle aux facteurs de stress environnementaux donnent une base pour la classification des espèces en termes de leurs tolérances aux changements environnementaux.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".