Method for Estimating Detection Probabilities of Nonmigrant Tagged Fish: Applications for Quantifying Residualization Rates
Notice bibliographique
Résumé
Abstract Detection probabilities are commonly accounted for in spatial mark–recapture studies to estimate quantities of biological interest such as survival, movement, or abundance, but they generally require large numbers of tagged animals to be detected. In some studies, few tagged animals are present at a particular time; the ability to estimate detection probability despite small sample sizes during some time periods would greatly improve inferences of ecologically relevant attributes. We developed a method for estimating time‐varying detection probabilities of tagged fish at acoustic or radio receiver stations during periods in which few tagged fish are present and mark–recapture methods are thus prohibitive. We quantified how an index of detection probability varies with an environmental covariate, and then calibrated this index against mark–recapture detection probability estimates derived from detection data collected when tagged fish were abundant. With a known time series of the environmental covariate, the method generates a time series of predicted detection probabilities for each receiver station in a study. We apply the method to a case study involving steelhead Oncorhynchus mykiss smolts tagged with acoustic transmitters to estimate the proportion of tagged fish residualizing in a river (i.e., remaining in freshwater instead of migrating seaward). Despite few detections of tagged fish in the months after the primary downstream migration period, we were able to estimate a residualization rate of 5% (95% confidence interval, 3–12%), which is comparable to residualization rate estimates from studies employing sampling methods that do not allow the survival and movement patterns of tagged fish to also be quantified. This method can be used in conjunction with mark–recapture survival estimation methods to better isolate probabilities of residualization and survival, which are otherwise confounded.
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 | 0,011 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».