Using linear models with correlated errors to analyze changes in abundance of Lake Michigan fishes: 1973-1992
Notice bibliographique
Résumé
We examined annual changes in relative abundance of Lake Michigan fishes using linear models with correlated errors in space and time. Abundance of bloater (Coregonus hoyi), deepwater sculpin (Myoxocephalus thompsoni), slimy sculpin (Cottus cognatus), alewife (Alosa pseudoharengus), and rainbow smelt (Osmerus mordax) was monitored with bottom trawls at 10 discrete depths (between 18 and 110 m) off eight fixed ports from 1973 to 1992. The model describing abundance included fixed effects of year, port, depth, and interaction terms as well as quadratic and cubic effects of year and depth because changes in abundance were not strictly linear. Observed temporal trends in abundance varied with species and depth. Additionally, trends in alewife and slimy sculpin abundances depended on port. Cubic trends in the abundance of bloater and quadratic trends in deepwater sculpin and rainbow smelt abundances were similar among ports, permitting lakewide inferences for these species. Mean bloater abundance was low throughout the 1970s, increased during the 1980s, and reached high levels by 1990. Mean abundances of deepwater sculpin and rainbow smelt increased from 1973 to the mid-1980s and declined thereafter. The linear model with correlated errors can be readily applied to repeated-measures data from other fixed-station fishery surveys and is appropriate for data exhibiting spatial and temporal autocorrelations.
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 | 0,018 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».