Đánh giá này đã kiểm tra nguy cơ đối với cá hồi chinook mùa xuân, cá hồi vân, khốc liệt cá hồi và cá bẹ mùa hè ở trên mainstem Willamette và thấp hơn McKenzie Các sông ở Oregon, có diện tích khoảng km 2 . Khu vực các khía cạnh của dự án đã được giải quyết bằng cách sử dụng mô hình nguy cơ tương đối (RRM). Khu vực nghiên cứu chia thành chín khu vực nguy cơ với các đặc tính độc đáo, sinh thái và con người. Nguồn căng thẳng trong từng khu vực đã được phân tích và so sánh để. | Chapter 5 Application of the Relative Risk Model to the Upper Willamette River and Lower McKenzie River Oregon Matthew Luxon and Wayne G. Landis contents Problem Description of the Willamette-McKenzie Study Assessment Receptors of Sources of Risk Risk Sources of Cumulative Riparian Water Industrial Channel Hatchery Summary of Sources and Habitats of Stressor Calculation of Relative RRM Confirmation of Risk Sensitivity 91 2005 by CRC Press LLC 92 REGIONAL SCALE ECOLOGICAL RISK ASSESSMENT The Relative Risk Risk This assessment examined risk to spring chinook salmon rainbow trout cutthroat trout and summer steelhead in the mainstem upper Willamette and lower McKenzie Rivers in Oregon an area of approximately 3 500 km2. Regional aspects of the project were addressed using the relative risk model RRM . The study area was divided into nine risk regions with unique ecological and anthropogenic characteristics. Stressor sources in each region were analyzed and compared to provide a regional perspective of risk. The RRM ranked risk in each risk region for chemical and physical stressors from multiple sources. The rankings are testable hypotheses regarding the nature and location of risk. Ongoing field studies of periphyton macroinvertebrate and fish communities will test these findings. The results of this assessment show the RRM to be robust for large-scale screening-level ecological risk assessments EcoRA . Uncertainty in risk predictions was high due to course scale analyses. Site-specific data at the appropriate scale and spatially explicit process models could reduce uncertainty and make the model applicable
