Estimating Indices of Abundance and Escapement of Pacific Salmon for Data‐Limited Situations
Notice bibliographique
Résumé
Abstract We demonstrate the process of synchronously combining multiple sources of available fishery information to estimate total abundance in data‐limited situations. The application is specific to semelparous populations, such as Pacific salmon, where only data for spawners and recruits are necessary to describe the dynamics of these populations. We apply this technique to summer chum salmon Oncorhynchus keta of the Kuskokwim and Yukon rivers of Alaska. Since 1997, low numbers of returning chum salmon to these rivers have resulted in low harvests, with significant negative economic and social impacts to rural residents of the region. The existing programs for assessing salmon stock in these river basins are inadequate for conventional estimates of total run abundance and the modeling of stock dynamics necessary to derive a quantitative assessment of the returns. Our approach was to utilize the pattern extraction qualities of principal components analysis (PCA) to estimate the underlying trend in escapement. We then combined this index with other available fishery data in a maximum likelihood statistical framework, weighting the data sets according to their quality. Using this methodology, we derived indices of chum salmon abundance and escapement for the Kuskokwim and Yukon rivers. Data sources included commercial catch and effort, escapement surveys, test fishery catch rates, and whole‐river sonar counts. Error estimates of the time series of abundance and escapement as well as of the model parameters were generated by bootstrap methods. We found that several parameters of the model were confounded without some independent measure of total abundance or escapement. We also determined that the escapement trend estimated by PCA was consistent over a large geographic area, suggesting that survival was predominantly influenced by conditions where the fish share a common environment. We suggest that our methodology may be appropriate to other regions and different semelparous species.
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 | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».