Rehabilitation Needs for Burbot in the Kootenai River, Idaho, USA, and British Columbia, Canada
Notice bibliographique
Résumé
Abstract We developed rehabilitation goals for burbot Lota lota in the Kootenai River, Idaho and British Columbia. After developing a catchability model for burbot in the Kootenai River, we used capture rates in two Alaskan rivers to develop surrogate rehabilitation targets for burbot in the Kootenai River. Then we used demographic statistics for burbot in the Kootenai River in a stochastic density-dependent population model to estimate recruitment rates for population rehabilitation. If recruitment failure continued, the population would decline to extinction by 2018. However, the population would reach the interim target abundance of 5,500 individuals (45 fish/km; 3.0 fish/ha) within 25 years if each adult produced 0.85 recruits per year, and it would reach the ultimate target abundance of 17,500 individuals (143 fish/km; 9.6 fish/ha) if each adult produced 1.1 recruits per year. After 25 years, 5,500 burbot would be present with 50% likelihood at a recruitment rate of 0.85 recruits per adult and 95% likelihood at a recruitment rate of 0.88 recruits per adult; 17,000 burbot would be present with 50% likelihood at a recruitment rate of 1.03 recruits per adult and 95% likelihood at a recruitment rate of 1.16 recruits per adult. The time to reach the interim rehabilitation goal of 5,500 burbot would decline from 50 to 25 years as the recruitment rate increased from 0.72 to 0.87 recruits per adult; the time to reach the ultimate rehabilitation goal of 17,500 burbot would decline from 50 to 25 years as recruitment increased from 0.82 to 1.07 recruits per adult. We recommend the following rehabilitation goals for burbot in the Kootenai River: (1) an interim population goal of 5,500 burbot (0.484 fish per net-day) and an ultimate population goal of 17,500 burbot (1.23 fish per net-day); (2) population rehabilitation within 25 years; and (3) an annual recruitment rate of 0.85–1.1 recruits per adult.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».