Skip to main content

Modeling the impact of landscape types on the distribution of stream fish species

Buy Article:

$50.00 plus tax (Refund Policy)

Abstract:

Modifications of the landscape adjoining streams perturb their local habitat and their biological diversity, but little quantitative information is available on land cover classes that influence the fish species individually. Data collected from 191 sites in the Adour–Garonne Basin (France) were analyzed to assess the effects of land cover on the distribution of fish species. A multimodel approach was carried out to predict fish species using land cover classes and to define the most important classes applying a hierarchical filtering based on artificial neural network method and sensitivity analysis. Firstly, using three single-class models, a selection of the land cover subclasses contributing the most was carried out for each fish species and each class. Secondly, multiclass models were built with all the previously selected subclasses to predict each species (n-selected subclass model). Finally, the percentages of contribution for artificial, agricultural, and forest areas obtained for the different model architectures (three class, n-selected subclass, and global multiclass models) were compared. The majority of the distribution of fish species was correctly predicted by the single-class models, and different land cover subclasses have been selected depending on the species. Using the n-selected subclass models, the predictive performances were globally better than those obtained with other multiclass models.

L’habitat local d’un cours d’eau et sa biodiversité sont perturbés par les modifications du paysage adjacent, pourtant il existe peu d’information quantitative sur les classes d’occupation du sol qui influencent les espèces piscicoles individuellement. Des données de 191 sites réparties sur l’ensemble du bassin Adour–Garonne (France) ont été analysées pour évaluer les effets de l’occupation du sol sur la distribution d’espèces de poissons. Une approche «multi-modèles» utilisant la technique des réseaux de neurones artificiels et une analyse de sensibilité a été menée pour déterminer si les espèces étaient efficacement prédites par les classes d’occupation du sol et pour définir celles qui impactaient le plus la distribution des espèces. Premièrement, en utilisant trois modèles à «classe-unique», une sélection des sous-classes d’occupation du sol contribuant le plus a été effectuée pour chaque espèce de poissons et chaque classe. Deuxièmement, des modèles «multi-classes» ont été construits avec toutes les sous-classes sélectionnées précédemment afin de prédire chaque espèce (modèle à n sous-classes sélectionnées). Finalement, les pourcentages de contribution des classes territoires artificialisés, territoires agricoles et milieux semi-naturels et forêts ont été comparés pour les différentes architectures de modèles (trois classes, n sous-classes sélectionnées et multi-classes global). La distribution de la majorité des espèces a été correctement prédite par les modèles à classe unique et différentes sous-classes d’occupation du sol ont pu être sélectionnées selon l’espèce considérée. En utilisant le modèle à n sous-classes sélectionnées, les performances prédictives étaient globalement meilleures que celles obtenues avec les autres modèles multi-classes.

Document Type: Research Article

Publication date: March 1, 2009

More about this publication?
  • Published continuously since 1901 (under various titles), this monthly journal is the primary publishing vehicle for the multidisciplinary field of aquatic sciences. It publishes perspectives (syntheses, critiques, and re-evaluations), discussions (comments and replies), articles, and rapid communications, relating to current research on cells, organisms, populations, ecosystems, or processes that affect aquatic systems. The journal seeks to amplify, modify, question, or redirect accumulated knowledge in the field of fisheries and aquatic science. Occasional supplements are dedicated to single topics or to proceedings of international symposia.
  • Information for Authors
  • Submit a Paper
  • Subscribe to this Title
  • Terms & Conditions
  • Sample Issue
  • Reprints & Permissions
  • Ingenta Connect is not responsible for the content or availability of external websites
nrc/cjfas/2009/00000066/00000003/art00012
dcterms_title,dcterms_description,pub_keyword
6
5
20
40
5

Access Key

Free Content
Free content
New Content
New content
Open Access Content
Open access content
Subscribed Content
Subscribed content
Free Trial Content
Free trial content
Cookie Policy
X
Cookie Policy
Ingenta Connect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more