Summary
Er is dringend behoefte aan instrumenten en methodieken die het beheer van watersystemen in het gezicht van onzekere toekomstige omstandigheden. Wij bieden methoden voor het uitvoeren van een gerichte waterscheiding beoordeling die resource managers in staat stelt om-landschap op basis van cumulatieve effecten modellen te produceren voor gebruik binnen een scenarioanalyse management framework.
Abstract
Er is dringend behoefte aan instrumenten en methodieken die het beheer van aquatische systemen binnen sterk beïnvloed stroomgebieden. De huidige inspanningen vallen vaak kort als gevolg van een onvermogen om te kwantificeren en complexe cumulatieve effecten van de huidige en toekomstige landgebruik's op relevante ruimtelijke schalen te voorspellen. Het doel van dit manuscript is om methoden voor het uitvoeren van een gerichte waterscheiding beoordeling die resource managers in staat stelt om-landschap op basis van cumulatieve effecten modellen te produceren voor gebruik binnen een scenarioanalyse management framework te bieden. Sites worden eerst geselecteerd voor opname binnen de waterscheiding evaluatie door het identificeren van sites die langs onafhankelijke gradiënten en combinaties van bekende stressoren vallen. Veld en laboratoriumtechnieken worden vervolgens gebruikt om gegevens over de fysische, chemische en biologische effecten van meervoudige landgebruikactiviteiten verkrijgen. Meervoudige lineaire regressie-analyse wordt vervolgens naar liggend gebaseerde cumulatieve effectmodellen produceren voor het voorspellen aquatic omstandigheden. Tot slot, voor het opnemen van cumulatieve effecten modellen binnen een scenario analysekader voor het begeleiden van het beheer en de regelgevende besluiten (bijv toelaat en mitigatie) binnen actief de ontwikkeling van stroomgebieden worden besproken en gedemonstreerd voor 2 sub-stroomgebieden binnen de bergtop mijnstreek in het centrum van de Appalachen. De waterscheiding beoordeling en het beheer aanpak hierin voorzien stelt resource managers aan de economische en ontwikkelingsactiviteiten te vergemakkelijken terwijl de bescherming van de visbestanden en het produceren van kansen voor de netto ecologische voordelen door middel van gerichte sanering.
Introduction
Antropogene verandering van het natuurlijke landschap is een van de grootste huidige bedreigingen voor de aquatische ecosystemen in de hele wereld 1. In veel regio's wordt voortgezet afbraak aan de huidige tarieven leiden tot onherstelbare schade aan aquatische hulpbronnen, uiteindelijk beperking van hun vermogen om waardevolle en onvervangbare ecosysteem diensten. Er is dus een kritische behoefte aan instrumenten en methodieken die het beheer van aquatische systemen binnen ontwikkelen stroomgebieden 2-3. Dit is met name van belang gezien het feit dat managers vaak worden belast met het behoud van de visbestanden in het gezicht van de sociaal-economische en politieke druk om de ontwikkeling van de activiteiten voort te zetten.
Beheer van aquatische systemen binnen actief de ontwikkeling van gebieden vereist het vermogen om waarschijnlijke gevolgen van de voorgestelde ontwikkeling van activiteiten in het kader van reeds bestaande natuurlijke en antropogene landschap voorspellen attributen 3, 4. Een grote uitdaging voor levic resource management binnen zwaar aangetaste stroomgebieden is de mogelijkheid om te kwantificeren en managen van complexe (ie, additief of interactief) cumulatieve effecten van meervoudig grondgebruik stressoren op relevante ruimtelijke schalen 2, 5. Ondanks de huidige uitdagingen, echter cumulatieve effecten assessments worden opgenomen in wettelijke richtlijnen in de hele wereld 5-6.
Gerichte waterscheiding assessments ontworpen om het volledige scala van aandoeningen te proeven met betrekking tot meervoudig grondgebruik stressoren kan gegevens staat het modelleren van complexe cumulatieve effecten 7 produceren. Bovendien, die dergelijke modellen binnen een scenarioanalyse kader [het voorspellen van ecologische veranderingen in het kader van een reeks van realistische of voorgestelde ontwikkeling of het beheer van stroomgebieden (restauratie en mitigatie) scenario's] heeft de potentie om sterk verbeteren van aquatische resource management binnen zwaar getroffen stroomgebieden 3, 5, 8 -9. Het meest opvallend is, scenarioanalyse biedteen kader voor het toevoegen van objectiviteit en transparantie om beslissingen van het management door het opnemen van wetenschappelijke informatie (ecologische relaties en statistische modellen), de regelgeving doelen en belanghebbenden heeft in een enkele afwegingskader 3, 9.
We presenteren een methode voor het beoordelen en beheren van cumulatieve effecten van meervoudig grondgebruik activiteiten binnen een scenario analysekader. We beschrijven eerst hoe om adequaat te richten op sites voor opname in de waterscheiding beoordeling op basis van bekende landgebruik stressoren. We beschrijven veld en laboratoriumtechnieken voor het verkrijgen van gegevens over milieu-effecten van meervoudig grondgebruik activiteiten. We beschrijven kort modelleringstechnieken voor de productie-landschap op basis van cumulatieve effecten modellen. Tot slot bespreken we hoe cumulatieve effecten modellen zijn voorzien binnen een scenarioanalyse kader en tonen het nut van deze methode in de hulp regelgevende besluiten (bijv toelaat en rustoratie) binnen een intensief gedolven keerpunt in het zuiden van West Virginia.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. Target Sites voor Inclusie in Keerpunt Assessment
- Identificeer de dominante landgebruik activiteiten binnen de target 8-cijferige code hydrologische eenheid (HUC) waterscheiding die van invloed zijn fysisch-chemische en biologische toestand 3, 7.
Opmerking: Deze methode gaat uit reeds bestaande kennis van belangrijke stressoren binnen de waterscheiding van belang. Echter, consulting regelgevende instanties of waterscheiding groepen vertrouwd met het systeem kan helpen bij deze inspanning. - Select-landschap op basis van maatregelen van de dominante landgebruik activiteiten [bv 2011 National Land Cover Database (nLCD)] 3, 7.
- Consult gepubliceerde literatuur te helpen identificeren van de best-landschap gebaseerde maatregelen voor elke landgebruik activiteit 10. Neem contact op met natuurlijke hulpbronnen agentschappen te identificeren en het verkrijgen van regiospecifieke landschap datasets die beschikbaar zijn voor gebruik. Echter kan het nodig zijn om nieuwe landschapsvariabelen of datasets.
- Tabulate bodembedekking en gebruik van attributen om de 1: 24.000 of 1: 100.000 nationale hydrografie dataset (NHD) stroomgebieden met behulp van geografische informatiesystemen (GIS) software.
- Zorg ervoor dat elk 1: 24.000 of 1: 100.000 verzorgingsgebied heeft een unieke identifier. Gebruik een door de gebruiker gedefinieerde numerieke of categorische identifier als de unieke identifier.
- Tabelleer vector data (bijvoorbeeld punten of lijnen) vallen in elk stroomgebied.
- Vat alle vector functies in elk stroomgebied met behulp van het Tabulate Intersection instrument binnen de Statistiek toolset van de Analysis toolbox. Selecteer de NHD stroomgebied laag als de Input Zone functie, het stroomgebied unieke identifier als Zone Field, en de vector dataset van belang, zoals de Input Class Feature.
- Word lid van de tabel landschap toeschrijft aan het stroomgebied laag. Klik met de rechtermuisknop op de stroomgebieden laag in de inhoudsopgave en selecteer sluit zich aan en betreft in het dropdown-menu en Word lid van de subsequent menu. Kies de unieke ID als het veld dat de join zal worden gebaseerd op de output van tabel 1.3.2.1 de tabel te verbinden, en de unieke ID als het veld in de tabel met de join wordt gebaseerd.
- Tabelleer raster data met behulp van de Tabulate Area gereedschap gelegen binnen de Zonale toolset van de Spatial Analyst toolbox.
- Laad de Spatial Analyst extensie. Kies Uitbreidingen in het menu Aanpassen. In het dialoogvenster Extensies, vinkt u het vakje dat overeenkomt met de Spatial Analyst extensie.
- In het dialoogvenster Tabulate Area selecteert u de NHD stroomgebied shapefile als de input raster- of functie zone data, de unieke identifier (bijv FEATUREID) als het veld zone, en de bodembedekking dataset (bijvoorbeeld nLCD) als de input raster- of feature class data.
- Word lid van de tabel landschap toeschrijft aan het stroomgebied laag volgende protocollen in stap 1.3.2.2, met de tabulategebied resultaten tabel als de join tafel.
- Verzamel landschap attributen voor alle NHD stroomgebieden.
- Download de NHDPlusV2 Catchment Attribute Allocation verzamelen en Tool (CA3TV2) aan http://www2.epa.gov/waterdata/nhdplus-tools. Gebruik de accumulatie functie van CA3TV2 voor accumulatie van attributen voor de 1: 100.000 NHD stroomgebieden 11.
Let op: We gebruikten op maat geschreven code dat zich ophoopt landschap attributen voor 1: 24.000 schaal NHD waterscheidingen 12. Gedetailleerde instructies voor het gebruik CA3TV2 zijn geïntegreerd in het gereedschap en kan worden geraadpleegd via de Help-functie.
- Download de NHDPlusV2 Catchment Attribute Allocation verzamelen en Tool (CA3TV2) aan http://www2.epa.gov/waterdata/nhdplus-tools. Gebruik de accumulatie functie van CA3TV2 voor accumulatie van attributen voor de 1: 100.000 NHD stroomgebieden 11.
- Selecteer NHD stroomgebieden als studie sites op basis van verzamelde landschap attributen.
- Maak een scatterplot van alle NHD stroomgebieden met betrekking tot opgebouwde waarden van de belangrijkste activiteiten van het bodemgebruik (Figuur 1A).
- Select studie sites (ongeveer 40 plaatsen per 8-cijferige HUC waterscheiding) om de volledige r vertegenwoordigenange invloed van dominante landgebruik activiteiten binnen de doelgroep waterscheiding (Figuur 1B). Selecteer sites binnen onafhankelijke stressor hellingen (dat wil zeggen, onder invloed van een enkel land gebruik worden ingezet) en stressor combinaties (dat wil zeggen, beïnvloed door meerdere landgebruik activiteiten) (Figuur 1B).
- Zorgen dat studiesites ruimtelijk verdeeld over het doel keerpunt en onafhankelijk van elkaar voor de verwerkende drainage. Zorg ervoor dat websites die binnen elke individuele en gecombineerde stressor gradiënt hebben ook vergelijkbare gemiddelde bassin gebieden.
Figuur 1. Hypothetisch scatter plot van NHD stroomgebieden met betrekking tot de invloed van 2 landgebruik activiteiten. Omvang van de invloed van 2 landgebruik activiteiten in alle NHD stroomgebieden binnen de hypothetische watershed (n = 4229) (A). Geselecteerde studie sites (n = 40) die het volledige bereik van de waargenomen omstandigheden binnen de waterscheiding met betrekking tot onafhankelijke en gecombineerde stressor gradiënten (B) vertegenwoordigen. Klik hier om een grotere versie van deze figuur te bekijken.
2. Field Protocollen voor Collection of fysisch-chemische en biologische gegevens
Opmerking: Alle gegevens voor elke site moet worden verzameld gedurende dezelfde bezoek ter plaatse op normale voet stromingscondities. Protocollen die hierin vertegenwoordigen standard operating procedures voor het West Virginia Department of Environmental Protection (WVDEP) 13. Het is misschien beter om de staat of federaal erkende procedures gebruiken voor de specifieke keerpunt worden beoordeeld.
- Bakenen de bemonstering bereik voor elke site als 40 × actieve kanaal breedte (ACW), met een maximale en minimale lengte van 150 en300 m 3, 7.
- Sample waterkwaliteit attributen uit locaties met bewegende water die kenmerkend zijn voor de hele bemonstering site (bijvoorbeeld niet direct beïnvloed door zijrivier of afvoerbuis inputs) zijn.
- Verkrijgen momentane metingen van opgeloste zuurstof, geleidbaarheid, temperatuur en pH behulp handheld sensoren. Kalibreren sensoren voorafgaand aan elke bemonstering evenement volgende instructies van de fabrikant.
- Spoel filtratie-apparatuur met gedemineraliseerd water voorafgaand aan het watermonster collectie.
- Filter 250 ml water (gemengde cellulose-ester membraanfilter 0,45 urn poriegrootte) voor analyse van opgeloste metalen. Fix een pH <2 te waarborgen metalen opgelost blijven in oplossing.
Opmerking: De juiste hoeveelheid zuur kan aan het watermonster worden toegevoegd na monstername. Als alternatief kan de juiste hoeveelheid om de fles vóór de monstername worden toegevoegd. Het gebruikte volume te bevestigen aan een pH <2 is afhankelijk zuursterkte.- Voor de hier beschreven onderzoek, het verzamelen van een enkel gefilterde monster uit elke site en bevestig met salpeterzuur voor het bepalen van opgeloste Al, Ca, Fe, Mg, Mn, Na, Zn, K, Ba, Cd, Cr, Ni en Se 3 , 7.
Opmerking: Selectie van analyten moet laten leiden door keerpunt-specifieke activiteiten landgebruik.
- Voor de hier beschreven onderzoek, het verzamelen van een enkel gefilterde monster uit elke site en bevestig met salpeterzuur voor het bepalen van opgeloste Al, Ca, Fe, Mg, Mn, Na, Zn, K, Ba, Cd, Cr, Ni en Se 3 , 7.
- Verzamel 250 ml ongefilterde monster (s) door het volledig onderdompelen van het monster fles in de waterkolom. Knijp voorzichtig in de fles om de resterende lucht uitwissen en gelijktijdig plaats de dop op het monster fles. Bevestig de monster (s) tot pH <2 indien nodig (bijvoorbeeld voorkomen biologische activiteit beïnvloedt voedingsstoffen).
- Voor de hier beschreven onderzoek, het verzamelen van twee ongefilterde monsters van elke site. Bevestig de eerste met zwavelzuur voor het bepalen van NO 2 en NO 3 en de totale P. Raak de tweede ongefilterde monster niet vast te stellen en te gebruiken om de totale en bicarbonaat alkaliniteit, Cl, SO 4 vast te stellen, en in totaal dus opgelostdeksels 3, 7.
Opmerking: Selectie van analyten moet laten leiden door keerpunt-specifieke activiteiten landgebruik.
- Voor de hier beschreven onderzoek, het verzamelen van twee ongefilterde monsters van elke site. Bevestig de eerste met zwavelzuur voor het bepalen van NO 2 en NO 3 en de totale P. Raak de tweede ongefilterde monster niet vast te stellen en te gebruiken om de totale en bicarbonaat alkaliniteit, Cl, SO 4 vast te stellen, en in totaal dus opgelostdeksels 3, 7.
- Zorg voor een leeg veld voor elke fixatief gebruikt tijdens elke bemonstering evenement. Verkrijgen veld blanks door het volgen van alle protocollen voor bemonstering (dat wil zeggen, het spoelen, verfijning, de vaststelling van) het gebruik van gedemineraliseerd water als de uiteindelijke monster.
Let op: Het gebied blanks worden gebruikt om besmetting in monstername en analyse. - Bewaar alle watermonsters bij 4 ° C totdat alle analyses zijn afgerond. Zorg ervoor dat alle analyten worden gemeten binnen hun gespecificeerde verblijftijd 14.
- Meet lozen op elk monster ter plaatse.
- Verdeel de bevochtigde stroom breedte in stappen van gelijke grootte.
- Meet de diepte en de gemiddelde stroomsnelheid in het midden van elke sectie.
- Met behulp van een dieptemeter staaf, het meten van de diepte als de afstand van de bedding aan het wateroppervlak.
- Met behulp van een current meter, meten watersnelheid op 60% waterdiepte.
- Bereken ontlading als de som van het product van snelheid, diepte en breedte in alle secties.
- Proef de macro-invertebraat levensgemeenschappen community op elke locatie.
- Verkrijgen monsters schop (netto afmetingen 335 x 508 mm 2 met 500-um mesh) van 4 afzonderlijke representatieve riffles verdeeld over de gehele lengte van de bemonsteringsbereik.
- Op elke locatie kick, plaatst het net kick loodrecht op stroom streamen en verstoren een 0,50 x 0,50 m 2 (dat wil zeggen, 0,25 m 2) de ruimte van de beekbedding onmiddellijk stroomopwaarts. Zorg ervoor dat alle organismen en puin stromen stroomafwaarts in het net kick.
- Combineer organismen en puin van de 4 kick samples in één mengmonster (wat neerkomt op 1,00 m 2 van de beek bed) en onmiddellijk te behouden met 95% ethanol.
- Verkrijgen monsters schop (netto afmetingen 335 x 508 mm 2 met 500-um mesh) van 4 afzonderlijke representatieve riffles verdeeld over de gehele lengte van de bemonsteringsbereik.
- Meet de fysieke leefomgeving kwaliteiten complexiteit in de hele stroom te bereiken.
- Neem metingen van de waterdiepte, hydraulische type channel-unit, sediment klasse, en de afstand tot vis deksel object op gelijkmatig punten langs de thalweg (gedeelte van de stroom, waardoor de belangrijkste of meest snelle doorstroming plaatsvindt). Neem metingen om de 1 ACW voor streams <5 m breed en om de 0,5 ACW voor streams> 5 m breed 15.
- Classificeren het kanaal eenheid waarbinnen elke thalweg locatie ligt (bijv riffle, rennen, het zwembad of glide) 16.
- Met behulp van een dieptemeter staaf, het meten van de diepte als de afstand van de bedding aan het wateroppervlak.
- Willekeurig te identificeren een stuk van sediment en zijn bepalend voor de Wentworth omvang classificatie (slib, zand, grind, kasseien, boulder) 17.
- Schat de afstand van elke thalweg plaats en het dichtstbijzijnde deksel object.
Opmerking: Fish dekking wordt gedefinieerd als een structuur in het actieve kanaal staat verhullen een 20.32 cm (8 inch) vis 18.
- Tel alle stukken van grote houtige puin binnen het actieve kanaal.
- Schatting habitatkwaliteit met de Amerikaanse Environmental Protection Agency (EPA) snelle visuele habitattypes (RVHA) protocollen 19.
- Neem metingen van de waterdiepte, hydraulische type channel-unit, sediment klasse, en de afstand tot vis deksel object op gelijkmatig punten langs de thalweg (gedeelte van de stroom, waardoor de belangrijkste of meest snelle doorstroming plaatsvindt). Neem metingen om de 1 ACW voor streams <5 m breed en om de 0,5 ACW voor streams> 5 m breed 15.
- Verkrijgen duplo metingen en monsters uit een willekeurig gekozen 10% van de studie sites. Duplicate maatregelen worden gebruikt om in te schatten bemonstering en laboratoriumanalyse precisie.
3. Laboratorium Protocollen voor fysisch-chemische en biologische gegevens
Opmerking: Het beschrijven van laboratorium protocollen voor het kwantificeren van water chemie attributen valt buiten het bestek van dit manuscript. De huidige studie gebruikte standaard chemische werkwijzen voor water en afval 14.
- Subgroep organismen bevat binnen elk macro-invertebraat levensgemeenschappen monster (verzameld met behulp van protocollen in paragraaf 2.4) een vertegenwoordiger subgroep van de macro-invertebraat levensgemeenschappen community op elke site te krijgen.
- Plaats het gehele samengestelde macro-invertebraat levensgemeenschappen monster in een 100 in 2 roostervormige sorteren (meet 5 x 20 in2). Willekeurig elke 1 in 2 net een nummer van 1 tot 100.
- Gebruik een stereomicroscoop te tellen en identificeren van alle organismen in willekeurig geselecteerd 1 in 2 roosters totdat het totale aantal gesorteerde individuen is 200 ± 20%. Identificeer organismen tot het genus met behulp van macro-invertebraat levensgemeenschappen toetsen, zoals die gepubliceerd door Merritt en Cummins 20.
- Compile genus-niveau overvloed gegevens in gemeenschap metrics [bv totale rijkdom en% Ephemeroptera, Plecoptera en Trichoptera (EPT)] voor gebruik als reactie variabelen in statistische modellen en de daaropvolgende scenarioanalyse 3, 7.
4. Statistische en Scenario Analyse
- Construct gegeneraliseerde lineaire modellen voor het voorspellen van in-stream fysische, chemische en biologische omstandigheden uit-landschap gebaseerde indicators van de dominante landgebruik activiteiten.
Opmerking: protocollen en analyses werden uitgevoerd in de R taal en omgeving voor statistische berekeningen (versie 3.2.1) 21.- Test voor normaliteit gebruik van Shapiro-Wilk [shaprio.test () functie in R pakket stats 21] tests en transformeren variabelen om aannames van parametrische analyses te ontmoeten en lineariseren relaties.
- Fit aanvankelijke maximale modellen met vermelding van 2-weg interacties tussen alle landgebruik voorspellers [GLM () functie in R pakket statistieken 21].
- Breng een achterwaartse deletie tot de minimale model 3, 7, 22 identificeren.
- Identificeer de variabele minst significante (dat wil zeggen, verklaart de minste hoeveelheid variatie) in de maximale model [samenvatting () functie in R pakket stats 21] en plaats een nieuw model met deze variabele uitgesloten [GLM () functie in R pakket stats 21] .
- Doorgaan verwijderen van variabelentotdat alle resterende voorspellers zijn significant verschillend van 0 en verklarende kracht niet significant afwijken van de maximale model voor elke reactie variabele met behulp van analyse van afwijkend gedrag tafels en likelihood ratio testen [lrtest () functie in R pakket lmtest 23].
- Voorspel de huidige omstandigheden.
- Gebruik de laatste modellen om fysisch-chemische en biologische toestand gezien de huidige landschappelijke kenmerken voorspellen binnen alle VN-bemonsterde NHD stroomgebieden in de hele doelgroep waterscheiding [voorspellen () functie in R pakket statistieken 21].
- Visualiseer voorspellingen in GIS-software.
- Join voorspellingen NHD stroomgebieden. Klik met de rechtermuisknop op de stroomgebieden laag in de inhoudsopgave en selecteer sluit zich aan en betreft in het dropdown-menu en Word lid van de daarop volgende menu. Kies de unieke ID als het veld dat de join wordt gebaseerd op de voorspellingen bestand als tabel te verbindenEn de unieke ID als het veld in de tabel die de join wordt gebaseerd op
- Klik met de rechtermuisknop op de stroomgebieden laag en selecteer Eigenschappen. In de Layer Properties dialoogvenster, klikt u op het tabblad Symbolen en selecteer hoeveelheden. Selecteer de voorspelde waarde van belang als het veld Waarde en klik op Toepassen.
Opmerking: Range waarden kunnen handmatig worden gewijzigd aan erkende milieucriteria met de classificeren-knop aan te passen.
- Conduct scenarioanalyses om de voorspelde veranderingen in het water levende voorwaarden waaronder diverse landgebruik scenario's te vergelijken.
- Werk de huidige landschap dataset om aannemelijk toekomstige ontwikkeling of mitigatie scenario's te simuleren. Voor de hier beschreven onderzoek, handmatig bijwerken geaccumuleerde landschappelijke waarden voor de stroomgebieden van belang in de attributen tabel (bv wijzigen 10 acres van bebost de mijnbouw bodembedekking).
- Selecteer het stroomgebied van interest gebruik van de Selectie per Attribute functie gelegen binnen de selectie drop-down menu. In de Selectie per dialoogvenster Attribute vak, kiest u het NHD stroomgebieden als de Layer. Dubbelklik op het unieke id-attribuut, selecteert u =, en typ de identificatie voor het stroomgebied van belang in de vergelijking doos.
- Open het NHD stroomgebied attribuut tafel door met de rechtermuisknop te klikken op de stroomgebieden laag in de inhoudsopgave en het selecteren van Open Attribute Table uit het drop down menu. Kies ervoor om alleen geselecteerde stroomgebieden te tonen.
- Met slechts geselecteerde stroomgebieden zien, klik met de rechtermuisknop op de kolom van de rente en selecteer Field Calculator en voer de nieuwe gesimuleerde waarde. Opmerking: Meerdere stroomgebieden kan worden aangepast aan meerdere ruimtelijk expliciet ontwikkeling of het beheer van activiteiten die in grote ruimtelijke schalen te simuleren.
Let op: U kunt originele vector en raster datasets worden bijgewerkt door het digitaliseren van nieuwe functies of wijzigen en verwijderen van originele fevlaktetemperaturen nieuwe landgebruik activiteit of het beheer van een reeds bestaande landgebruik invloed 24 simuleren. Dit kan worden uitgevoerd met de Editor werkbalk.
- Opnieuw toe te wijzen en opnieuw accumuleren landschap attributen voor alle NHD stroomgebieden met behulp van protocollen die in stappen 1,3-1,4.
- Voorspel fysisch-chemische en biologische toestand in functie van de geactualiseerde landschap dataset [voorspellen () functie in R pakket statistieken 21].
- Visualiseer voorspelde voorwaarden alternatief landgebruik scenario's met behulp van protocollen die in stap 4.2.2.
- Werk de huidige landschap dataset om aannemelijk toekomstige ontwikkeling of mitigatie scenario's te simuleren. Voor de hier beschreven onderzoek, handmatig bijwerken geaccumuleerde landschappelijke waarden voor de stroomgebieden van belang in de attributen tabel (bv wijzigen 10 acres van bebost de mijnbouw bodembedekking).
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Forty 1: 24.000 NHD stroomgebieden werden geselecteerd als studie sites binnen de River Coal, West Virginia (figuur 2). Studie sites werden geselecteerd om een bereik invloed van dagbouw (% landoppervlak 24), residentiële ontwikkeling [structuur dichtheid (no./km 2)], en ondergrondse mijnbouw [nationale vervuiling ontlading eliminatie systeem (Npdes-) vergunning dichtheid (geen overspannen. / km 2)] zodat elke bestemming met grote activiteit plaatsvond zowel afzonderlijk als in combinatie voor zover mogelijk (figuur 3). Op elke site, gegevens over de fysisch-chemische omstandigheden en macro-invertebraat levensgemeenschappen gemeenschap structuur werden verzameld.
In een eerdere studie, werden deze gegevens gebruikt om de cumulatieve effecten modellen te construeren voor het voorspellen van West Virginia streamen Voorwaarde Index (WVSCI), een familie-level multi-metrische index van biotische integriteit ontwikkeld voor West Virginia 25En soortelijke geleiding met een hoge mate van precisie en nauwkeurigheid 7. Hierin worden deze modellen gebruikt om de huidige en toekomstige omstandigheden voorspellen voor twee sub-stroomgebieden van de rivier de Coal [Drawdy Creek (Figuur 4A) en Laurel Fork (Figuur 4B)] onder verschillende landgebruik ontwikkelingsscenario's. Drawdy Creek en Laurel Fork hebben bijna identieke niveaus van dagbouw en% ontwikkeling (tabel 1). Echter, Drawdy Creek wordt beïnvloed door residentiële structuren en ondergrondse mijnbouw, terwijl Laurel Fork is het niet. Derhalve zijn deze twee keerpunten bieden een unieke gelegenheid om te beoordelen en te vergelijken van de mate waarin cumulatieve effecten van meervoudig grondgebruik activiteiten te controleren huidige aquatische omstandigheden en het resultaat van toekomstige landgebruik ontwikkelingsscenario's.
Laurel Fork was niet voorspeld aan chemische overschrijden (specifieke geleidbaarheid> 500 mS / cm 26) of biolog ical criteria (WVSCI <68 25), wat suggereert dat het kan extra landgebruik activiteit te verwerken zonder het risico van bijzondere waardeverminderingen (tabel 1). Een aantal scenario's werden vervolgens getoetst aan de maximale hoeveelheid extra dagbouw, ondergrondse mijnbouw te kwantificeren, en residentiële ontwikkeling Laurel Fork kan waarschijnlijk assimileren vóór de uitstroom elk criterium kruist. Om dit te doen, specifieke geleidbaarheid en WVSCI werden voorspeld in het kader van het volledige scala van elk land gebruik worden ingezet terwijl de ander landschap metrics constant. Scenario analyse suggereert Laurel vork 14% (25% totaal) en 21% assimileren (32% totaal) verhogingen bovengrondse mijn land vóór het overschrijden van de specifieke geleidbaarheid en WVSCI criteria, respectievelijk (Figuur 5A, 5B). Laurel Fork kan ook assimileren 8 ondergrondse mijn NPDES vergunningen en 22 residentiële structuren voor het oversteken van de specifieke geleidbaarheid en WVSCI criteria, respectievelijk (figuur 5A, 5B).
NHOUD "fo: keep-together.within-page =" 1 "> In tegenstelling daarmee wordt de uitstroom van Drawdy Creek voorspeld dat zowel de chemische en biologische criteria overschrijdt, suggereert een onvermogen om eventuele extra grond gebruiksontwikkeling verwerken zonder eerst inperkende effect van huidige stressoren (tabel 1). Bijgevolg mitigatie scenario's die het totale effect omvang van de reeds bestaande grondgebruik activiteiten (bijvoorbeeld, zou een vermindering van 10% in het effect van 100 structuren gelijk aan 90 structuren) te verminderen werden gesimuleerd. Volledig het inperken van de effect van woningbouw en ondergrondse mijnbouw leidde niet tot een respectievelijke toename WVSCI boven 68 of afname van specifieke geleidbaarheid onder de 500 uS / cm criterium (figuur 6A, 6B). de uitstroom van Drawdy Creek werd voorspeld een WVSCI overschrijden score van 68 en een afname van minder dan 500 mS / cm met gelijktijdige daling van zowel de residentiële ontwikkeling en de ondergrondse winning van een 94 en 75%, respectievelijk. < / P>
Figuur 2. Kaart van de Coal River waterscheiding. The Coal River keerpunt wordt weergegeven met betrekking tot de locatie in West Virginia. Locaties van de studie sites (n = 40) en Laurel Fork en Drawdy Creek sub-stroomgebieden worden ook gepresenteerd. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 3. Coal River studie sites. Omvang van dagbouw en residentiële ontwikkeling voor geselecteerde studie sites (n = 40) binnen onafhankelijke stressor hellingen en de combinatie daarvan. Symbol grootte is ten opzichte van het aantal ondergrondse mijnbouw nationale vervuiling ontlading eliminatie systeem (Npdes-) vergunningen.TTP's: //www.jove.com/files/ftp_upload/54095/54095fig3large.jpg "target =" _ blank "> Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 4. Maps beeltenis van landgebruik activiteiten binnen Drawdy Creek (A) en Laurel Fork (B). Deze stroomgebieden vertegenwoordigen patronen van landgebruik geografie typisch in de regio MTR-VF. Residentiële ontwikkeling [bodembedekking (zoals gedefinieerd door de nLCD) en structuren] en mijnbouw (ondergrondse mijnbouw NPDES vergunningen en bovengrondse mijn mate) landgebruik activiteiten worden getoond. Extra-un gewonnen vergunningen worden gebruikt in scenario-analyse worden getoond. Zie Figuur 2 voor waterscheiding locatie in West Virginia. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 5. Voorbeeld scenario-analyse resultaten voorspellen van in-stream reactie op gesimuleerde landgebruik ontwikkeling binnen Laurel Fork. Voorspelde WVSCI scores volgende gesimuleerd stijgingen in dagbouw en residentiële ontwikkeling (A) en voorspelde specifieke geleidbaarheid volgende gesimuleerd stijgingen in dagbouw en ondergrondse mijnbouw ( B) binnen de Laurel Fork waterscheiding. Horizontale lijnen geven WVSCI (68) en specifieke geleidbaarheid (500 uS / cm) criteria. Verticale lijnen geven een hogere mate van mijnbouw leidt tot overschrijding van elk criterium. Eenheden voor de x-as is afhankelijk van het landschap onder elk scenario attributen veranderd en komen overeen met eenheden gespecificeerd in de legenda. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 6. Voorbeeld scenario-analyse resultaten voorspellen van in-stream reactie op gesimuleerde mitigatie activiteiten binnen Drawdy Creek. Voorspelde WVSCI scores (A) en specifieke geleidbaarheid (B) naar aanleiding van gesimuleerde afname in het effect grootte van bestaande residentiële ontwikkeling en ondergrondse mijnbouw, respectievelijk. Voorspelde voorwaarden volgende gelijktijdige vermindering van het effect grootte van zowel residentiële ontwikkeling en ondergrondse mijnbouw worden ook getoond voor elke reactie. Horizontale lijnen geven WVSCI (68) en specifieke geleidbaarheid (500 uS / cm) criteria. Verticale lijnen geven mitigatie die leiden tot verbeteringen dan elk criterium. Klik hier om een grotere versie van deze figuur te bekijken.
| huidige landschap | |||
| Drawdy Creek | Laurel Fork | ||
| Landgebruik kenmerken | |||
| Dagbouw (%) | 10.7 | 10.9 | |
| Ondergrondse mijnbouw (# NPDES toelaat) | 9 | 0 | |
| Ontwikkeling (%) | 4.1 | 4.8 | |
| Structuur dichtheid (#) | 470 | 0 | |
| waargenomen voorwaarden | |||
| Specifieke geleidbaarheid (S / cm) | 686 | 156 | |
| WVSCI | 65 | 68.8 | |
| Voorspelde voorwaarden | |||
| Specifieke geleidbaarheid (S / cm) | 831 | 279 | |
| WVSCI | 60.9 | 73.1 | |
Tabel 1. Landschap kenmerken en waargenomen en voorspelde aquatische voorwaarden voor Drawdy Creek en Laurel Fork. Landgebruik kenmerken (dagbouw, ondergrondse mijnbouw en residentiële ontwikkeling) en voorspelde chemische en biologische voorwaarden voor Drawdy Creek en Laurel Fork onder de huidige omstandigheden en het landschap extra mining scenario.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Wij bieden een kader voor de beoordeling en het beheer van cumulatieve effecten van meerdere activiteiten landgebruik in zwaar getroffen stroomgebieden. De aanpak hier beschreven adressen eerder geïdentificeerd beperkingen in verband met het beheer van watersystemen in zwaar getroffen stroomgebieden 5-6. Het meest opvallend is de beoogde waterscheiding evaluatie ontwerp (bijv bemonstering langs afzonderlijke en gecombineerde stressor as) geeft gegevens die zijn zeer geschikt voor het kwantificeren van complexe cumulatieve effecten op relevante ruimtelijke schalen (dwz, keerpunt schaal) door goed interpreteerbaar en uitvoerbare modelleringstechnieken 3, 7 . Bovendien zijn deze modellen zijn gemakkelijk opgenomen in een scenario-analyse raamwerk dat accurate voorspelling van toekomstige beheer (bijvoorbeeld restauratie en mitigatie) en de ontwikkeling van de resultaten mogelijk maakt. Bijgevolg zal de gepresenteerde aanpak waarschijnlijk van waarde zijn voor aquatische resource managers die steeds meer vertrouwen op forecasting Conditionen onder diverse landgebruik scenario's om te helpen bij regelgevende besluiten 27.
Het contrast tussen Drawdy Creek en Laurel Fork wijst op het nut van de gepresenteerde kader bij het beheer van aquatische systemen binnen actief de ontwikkeling en sociaal-economisch belangrijke regio's. Scenario-analyse suggereerde dat Laurel Fork, die wordt beïnvloed alleen door dagbouw (10,9%), extra landgebruik ontwikkeling kan verwerken zonder overschrijding van chemische en biologische criteria. Drawdy Creek, die wordt beïnvloed door het gelijktrekken van de dagbouw (10,7%), wordt voorspeld dat beide criteria als gevolg van de cumulatieve effecten in verband met ondergrondse mijnbouw en residentiële structuren niet aan. Echter, kon gesimuleerd beperking van niet-dagbouw stressoren (bijvoorbeeld ondergrondse mijn effluent en residentiële afvalwater) verbeterde ecologische omstandigheden, wat suggereert strategisch management activiteiten voor de verdere ontwikkeling mogelijk te maken optreden. Bijgevolg bevated aanpak maakt het mogelijk om de economische en ontwikkelingsactiviteiten te vergemakkelijken, terwijl ook de productie van kans voor de netto-voordelen door middel van sanering van andere stressoren 28.
Succesvolle identificatie en bemonstering van de dominante landgebruik stressoren is een cruciale stap in de succesvolle implementatie van de methoden die hierin gepresenteerd. Ook is het van cruciaal belang dat de bemonstering en de daaropvolgende data analyses zijn gebaseerd op de best beschikbare en meest up-to-date bodembedekking en het gebruik van informatie. Temporele samenhang tussen bodembedekking en in-stream data te helpen zorgen voor nauwkeurige statistische relaties en daaropvolgende ecologische voorspellingen 3, 9. Als de juiste wijze uitgevoerd, de gepresenteerde waterscheiding evaluatie techniek levert data die grotendeels onpartijdige zijn (dat wil zeggen, minimaliseert specificatie fouten en weggelaten variabele biases) en beïnvloed door multicollineariteit. Bijgevolg worden deze gegevens goed geschikt voor voorspellingsmodellen via traditionele regressietechnieken.Een mogelijke beperking van de huidige benadering is echter dat sterk vermogen om ruimtelijk patroon empirisch voorspellen waarborgt niet het vermogen om te voorspellen tijd. Opmerkelijk, hebben studies interacties tussen het klimaat en de verandering van landgebruik waargenomen op fysisch-chemische en biologische omstandigheden 29-31. Zo zal adaptief beheer benaderingen die tijdelijke voorspellingen en updaten van ruimtelijke voorspellende modellen te testen een belangrijk onderdeel van het management inspanningen. Dit zou inhouden opnemen van klimaatverandering in statistische modellen en de daaropvolgende scenarioanalyses.
Onze methodologie kan ook worden aangepast aan de bestaande datasets die geen veronderstellingen van de traditionele regressie-technieken (bijvoorbeeld multicollineariteit en sample onafhankelijkheid) kunnen vervullen benutten. Het gebruik van reeds bestaande gegevens is nuttig in situaties waarbij managers hebben beperkte tijd of middelen. Boosted Regressie Tree (BRT) modellen kunnen bijzonder nuttig zijn bij het analyseren van grote, Reeds bestaande datasets, omdat zij grotendeels beïnvloed door multicollineariteit, ontbrekende gegevens, statistische uitschieters, en niet-normale data 32. Bovendien BRT biedt een hoge voorspellende prestatie en heeft nut aangetoond in een scenario-analyse kader 28.
Het is belangrijk om de context waarbinnen onze methode ontwikkeld merken. Eerst werd onze aanpak ontwikkeld voor de stroomgebieden gekenmerkt door duidelijk omschreven landgebruik hellingen. Echter, duidelijk omschreven landgebruik hellingen niet altijd plaatsvinden op de waterscheiding-schaal (bijvoorbeeld delen van het Midwesten Verenigde Staten met weinig variatie in de landbouw mate). Bijgevolg kunnen andere benaderingen van het behoud planning, zoals op risico gebaseerde methoden die het behoud doelstellingen op basis van de risico's van meervoudig grondgebruik activiteiten te rangschikken, meer geschikte 33-34 zijn. Bovendien werd onze aanpak ontworpen bij de 8-cijferige HUC waterscheiding schaal. In een eerdere studie, vonden we dat de modellen constructed over meerdere 8-cijferige HUC stroomgebieden niet aan waterscheiding-specifieke nuances tussen landgebruik en in-stream omstandigheden 7 voorspellen. Het construeren van modellen over kleinere ruimtelijke schalen (bijvoorbeeld 12-cijferige HUC stroomgebieden) kan steekproefomvang beperken en beperken het vermogen van modellen om complexe cumulatieve effecten te kwantificeren. Echter, onze aanpak worden gebruikt voor het beheer over ruimtelijke schalen via een huis-wijk kader 2. Binnen dit kader zijn herstel en de bescherming prioriteiten te stellen voor de individuele stromen binnen de context van de omringende omstandigheden. Bijvoorbeeld, het herstel potentieel neemt toe met toenemende buurt toestand als gevolg van voordelen die samenhangen met het hebben van een goede streams in de buurt (bv, hoge re-kolonisatie potentiële).
Wij bieden en te demonstreren protocollen voor het beoordelen en beheren van cumulatieve effecten in sterk beïnvloed stroomgebieden. Hoewel de huidige manuscript gericht op de bouw en implementatiecumulatieve effecten modellen binnen een scenario analysekader, de aangetoonde waterscheiding evaluatie technieken produceren data in staat te kwantificeren gedetailleerde patronen van fysisch-chemische en biologische afbraak in verband met de accumulatie van dominante landgebruik activiteiten in grotere ruimtelijke schalen 35. Bijgevolg data geproduceerd door de onderzoeksopzet en bemonstering protocollen hierin beschreven hebben potentiële beheer voordelen die goed verder dan die besproken. Misschien wel het allerbelangrijkste, dit kader is overdraagbaar naar andere stroomgebieden geconfronteerd lopende overgangen in een aantal landgebruik activiteiten.
Subscription Required. Please recommend JoVE to your librarian.
Acknowledgments
Wij danken de vele veld en laboratorium helpers die betrokken waren bij de verschillende aspecten van dit werk, vooral Donna Hartman, Aaron Maxwell, Eric Miller, en Alison Anderson. Financiering voor deze studie werd verstrekt door de US Geological Survey door middel van ondersteuning van de Amerikaanse Environmental Protection Agency (EPA) Regio III. Deze studie werd gedeeltelijk ontwikkeld in het kader van het Science Om dat te bereiken resultaten Fellowship Assistance Overeenkomst nummer FP-91.766.601-0 toegekend door de Amerikaanse EPA. Hoewel het in dit artikel beschreven onderzoek is gefinancierd door het Amerikaanse EPA, is het niet onderworpen aan het agentschap vereiste collegiale en beleidsevaluatie, en dus niet noodzakelijkerwijs overeen met de standpunten van het agentschap, en geen officiële goedkeuring moet worden afgeleid.
Materials
| Name | Company | Catalog Number | Comments |
| Slack Invert Sampling Kit | Wildco | 3-425-N56 | |
| HDPE Square Jars | US Plastic Corp | 66188 | 32 oz; for storing fixed, composite invertebrate samples |
| Ethyl Alcohol 190 Proof | PHARMCO-AAPER | 111000190 | For fixing and storing invertebrate samples |
| 5 in. by 20 in. Macroinvertebrate sub-samplilng grid | N/A | N/A | This item cannot be purchased and must be made in house |
| Stereomicroscope Stemi 2000 with stand C LED | ZEISS | 000000-1106-133 | For macroinvertebrate sorting and identification |
| Thermo Scientific Nalgene Reusable Filter Holders with Receiver | Fisher Scientific | 09-740-23A | |
| Immobilon-NC Transfer Membrane | Millipore | HATF04700 | Triton-free, mixed cellulose exters, 0.45 μm, 47 mm, disc |
| Actron Vacuum Pump Brake Bleeder Kit | Advanced Auto Parts | CP7835 | |
| Nitric Acid Solution | HACH | 254049 | 1:1, 500 ml |
| Oblong NDPE Wide Mouth Bottles | Thomas Scientific | 1229Z38 | 250 ml; for collection of water samples |
| 650 Multi-parameter display, standard memory | Fondriest Environmental | 650-01 | |
| 600XL Sonde with temperature/conductivity sensor | Fondriest Environmental | 065862 | |
| pH calibration buffer pack | Fondriest Environmental | 603824 | 2 pints each of pH 4, 7, & 10 |
| conductivity standard | Fondriest Environmental | 065270 | 1 quart, 1,000 µS |
| Flo-Mate 2000 | TTT Environmental | 2000-11 | |
| Keson English/Metric Open Reel Fiberglass Tape | Forestry Suppliers | 40025 | 300'/100 m |
| ArcGIS 10.3.1 | ESRI |
References
- Allan, J. D. Landscapes and riverscapes: the influence of land use on stream ecosystems. Annu. Rev. Ecol. Evol. Syst. 35, 257-284 (2004).
- Merovich, G. T., Petty, J. T., Strager, M. P., Fulton, J. B. Hierarchical classification of stream condition: a house-neighborhood framework for establishing conservartion priorities in complex riverscapes. Freshwater Science. 32, 874-891 (2013).
- Merriam, E. R., Petty, J. T., Strager, M. P., Maxwell, A. E., Ziemkiewicz, P. F. Scenario analysis predicts context-dependent stream response to land use change in a heavily mined central Appalachian watershed. Freshwater Science. 32, 1246-1259 (2013).
- Petty, J. T., Fulton, J. B., Strager, M. P., Merovich, G. T., Stiles, J. M., Ziemkiewicz, P. F. Landscape indicators and thresholds of stream ecological impairment in an intensively mined Appalachian watershed. J. N. Am. Benthol. Soc. 29, 1292-1309 (2010).
- Seitz, N. E., Westbrook, C. J., Noble, B. F. Bringing science into river systems cumulative effects assessment practice. Environ. Impact Asses. 31, 172-179 (2011).
- Duinker, P. N., Greig, L. A. The importance of cumulative effects assessment in Canada: ailments and ideas for redeployment. Environ. Manage. 37, 153-161 (2006).
- Merriam, E. R., Petty, J. T., Strager, M. P., Maxwell, A. E., Ziemkiewicz, P. F. Landscape-based cumulative effects models for predicting stream response to mountaintop mining in multistressor Appalachian watersheds. Freshwater Science. 34, 1006-1019 (2015).
- Duinker, P. N., Greig, L. A. Scenario analysis in environmental impact assessment: improving explorations of the future. Environ. Impact Asses. 27, 206-219 (2007).
- Kepner, W. G., Ramsey, M. M., Brown, E. S., Jarchow, M. E., Dickinson, K. J. M., Mark, A. F. Hydrologic futures: using scenario analysis to evaluate impacts of forecasted land use change on hydrologic services. Ecosphere. 3, 1-25 (2012).
- Gergel, S. E., Turner, M. G., Miller, J. R., Melack, J. M., Stanley, E. H. Landscape indicators of human impacts to riverine systems. Aquat. Sci. 64, 118-128 (2002).
- McKay, L., Bondelid, T., Dewald, T., Johnston, J., Moore, R., Rea, A. NHDPlus Version 2: User Guide. , (2012).
- Strager, M. P., Petty, J. T., Strager, J. M., Barker-Fulton, J. A spatially explicit framework for quantifying downstream hydrologic conditions. J. Environ. Manag. 90, 1854-1861 (2009).
- WVDEP (Virginia Department of Environmental Protection). Standard operating proceedures. , West Virgina Department of Environmental Protection. Charleston, West Virginia. (2009).
- EPA-60014-79-020. USEPA. Methods for chemical analysis of water and wastes. , Environmental Monitoring Systems Support Laboratory, Office of Research and Development, US Environmental Protection Agency. Cincinnati, Ohio. (1983).
- Merriam, E. R., Petty, J. T., Merovich, G. T., Fulton, J. B., Strager, M. P. Additive effects of mining and residential development on stream conditions in a central Appalachian watershed. J. N. Am. Benthol. Soc. 30, 399-418 (2011).
- Bisson, P. A., Nielsen, J. L., Palmason, R. A., Grove, L. E. A system of naming habitat types in streams, with examples of habitat utilization by salmonids during low streamflow. Acquisition and utilization of aquatic habitat inventory information. Proceedings of a symposium held 28-30 October, 1981. Armentrout, N. D. , Western Division of the American Fisheries Society. Bathesda, Maryland. 62-73 (1982).
- Wentworth, C. K. A scale of grade and class terms for clastic sediments. J. Geol. 30, 377-392 (1922).
- Petty, J. T., Freund, J., Lamothe, P., Mazik, P. Quantifying instream habitat in the upper Shavers Fork basin at multiple spatial scales. Proceedings of the Annual Conference of the Southeastern Association of Fisheries and Wildlife Agencies. 55, 81-94 (2001).
- Barbour, M. T., Gerritsen, J., Snyder, B. D., Stribling, J. B. EPA/841-B-99-022. Rapid bioassessment protocols for use in streams and wadeable rivers: periphyton, benthic macroinvertebrates, and fish. 2nd edition. , US Environmental Protection Agency. Washington, DC. (1999).
- An introduction to the aquatic insects of North America. 4th edition. Merritt, R. W., Cummins, K. W. , Kendall/Hunt Publishing Co. Dubuque, Iowa. (2008).
- A language and environment for statistical computing. , R Foundation for Statistical Computing. Vienna, Austria, http://www.R-project.org. Available from: http://www.R-project.org (2014).
- Crawley, M. J. Statistics: an introduction using R. , Wiley and Sons. Chichester, UK. (2005).
- Zeileis, A., Hothorn, T.
- Maxwell, A. E., Strager, M. P., Yuill, C., Petty, J. T., Merriam, E. R., Mazzarella, C. Disturbance mapping and landscape modeling of mountaintop mining using ArcGIS. Proceedings of the ESRI International User Conference. , San Diego, California. (2011).
- Gerritsen, J., Burton, J., Barbour, M. T. A stream condition index for West Virginia wadeable streams. , Tetra Tech, Inc. Owings Mills, Maryland. (2000).
- Pond, G. J., Passmore, M. E., Borsuk, F. A., Reynolds, L., Rose, C. J. Downstream effects of mountaintop coal mining: comparing biological conditions using family- and genus-level macroinvertebrate bioassessment tools. J. N. Am. Benthol. Soc. 27, 717-737 (2008).
- Luo, Y., et al. Ecological forecasting and data assimilation in a data-rich era. Ecol. Appl. 21, 1429-1442 (2011).
- Petty, J. T., Strager, M. P., Merriam, E. R., Ziemkiewicz, P. F. Scenario analysis and the Watershed Futures Planner: predicting future aquatic condiditons in an intensively mined Appalachian watershed. Environmental Considerations in Energy Productions. Craynon, J. R. , Society for Mining, Metallurgy, and Exploration. Englewood, CO. 5-19 (2013).
- Daraio, J. A., Bales, J. D. Effects of land use and climate change on stream temperature I: daily flow and stream temperature projections. J. Am. Water Resour. As. 50, 1155-1176 (2014).
- Mantyka-Pringle, C. S., Martin, T. G., Moffatt, D. B., Linke, S., Rhodes, J. R. Understanding and predicting the combined effects of climate change and land-use change on freshwater macroinvertebrates and fish. J. Appl. Ecol. 51, 572-581 (2014).
- Piggott, J. J., Townsend, C. R., Matthaei, C. D. Climate warming and agricultural stressors interact to determine stream macroinvertebrate community dynamics. Glob. Change Biol. 21, 1897-1906 (2015).
- Elith, J., Leathwick, J. R., Hastie, T. A working guide to boosted regression trees. J. Anim. Ecol. 77, 802-813 (2008).
- Mattson, K. M., Angermeier, P. L. Integrating human impacts and ecological integrity into a risk-based protocol for conservation planning. Environ. Manage. 39, 125-138 (2007).
- EPA 841-B-11-002. USEPA. Identifying and protecting healthy watersheds. Concepts, assessments, and management approaches. (US, U. S. E. P. A. , US Environment Protection Agency, Office of Water, Office of Wetlands, Oceans, and Watersheds. Washington, DC. (2012).
- Merriam, E. R., Petty, J. T., Strager, M. P., Maxwell, A. E., Ziemkiewicz, P. F. Complex contaminant mixtures in multi-stressor Appalachian riverscapes. Environ. Toxicol. Chem. , (2015).
