Effective water resource management requires practical, data‐driven determination of instream flow needs. Newly developed, high‐resolution flow models and aquatic species databases provide enormous opportunity, but the volume of data can prove challenging to manage without automated tools. The objective of this study was to develop a framework of analytical methods and best practices to reduce costs of entry into flow–ecology analysis by integrating widely available hydrologic and ecological datasets. Ecological limit functions (ELFs) describing the relation between maximum species richness and stream size characteristics (streamflow or drainage area) were developed. Species richness is expected to increase with streamflow through a watershed up to a point where it either plateaus or transitions to a decreasing trend in larger streams. Our results show that identifying the location of this "breakpoint" is critical for producing optimal ELF model fit. We found that richness breakpoints can be estimated using automated low‐supervision methods, with high‐supervision providing negligible improvement in detection accuracy. Model fit (and predictive capability) was found to be superior in smaller hydrologic units. The ELF model ("elfgen" R package available on GitHub: https://github.com/HARPgroup/elfgen) can be used to generate ELFs using built‐in datasets for the conterminous United States, or applied anywhere else streamflow and biodiversity data inputs are available.

中文翻译：

---

elfgen：用于快速生成和优化流生态关系的新的流内流框架

有效的水资源管理需要以数据为依据的，切实可行的确定流入流量的需求。最新开发的高分辨率流量模型和水生物种数据库提供了巨大的机会，但是如果不使用自动化工具，则难以管理大量数据。这项研究的目的是建立一个分析方法和最佳实践的框架，以通过整合广泛可用的水文和生态数据集来降低进入流生态学分析的成本。开发了描述最大物种丰富度与河流规模特征（河流流量或流域面积）之间关系的生态极限函数（ELF）。预计物种丰富度会随着流经分水岭的增加而增加，直至达到平稳或过渡为较大流的趋势。我们的结果表明，确定此“断点”的位置对于产生最佳的ELF模型拟合至关重要。我们发现，可以使用自动化的低监督方法估算富集断点，而高监督对检测准确性的改善可忽略不计。发现模型拟合（和预测能力）在较小的水文单位中优越。ELF模型（“ elfgen” R软件包可在GitHub上找到：https：//github.com/HARPgroup/elfgen）可用于使用美国本土的内置数据集来生成ELF，或用于其他任何流量和生物多样性数据输入可用。我们发现，可以使用自动化的低监督方法估算富集断点，而高监督对检测准确性的改善可忽略不计。发现模型拟合（和预测能力）在较小的水文单位中优越。ELF模型（“ elfgen” R软件包可在GitHub上找到：https：//github.com/HARPgroup/elfgen）可用于使用美国本土的内置数据集来生成ELF，或用于其他任何流量和生物多样性数据输入可用。我们发现，可以使用自动化的低监督方法估算富集断点，而高监督对检测准确性的改善可忽略不计。发现模型拟合（和预测能力）在较小的水文单位中优越。ELF模型（“ elfgen” R软件包可在GitHub上找到：https：//github.com/HARPgroup/elfgen）可用于使用美国本土的内置数据集来生成ELF，或用于其他任何流量和生物多样性数据输入可用。