Using geostatistics to quantify seasonal distribution and aggregation patterns of fishes: an example of Atlantic cod (<i>Gadus morhua</i>)
Notice bibliographique
Résumé
Geostatistical methods were used to (i) quantify fish aggregation patterns over a range of scales (100 m to 67 km) using both simulated and acoustic density data of Atlantic cod (Gadus morhua) and (ii) examine how changes in aggregation patterns influenced the precision of geostatistical density indices. Variogram parameters (range, sill, and nugget) reflected changes in distribution patterns. Variograms of dispersed and low-density aggregations had large range and small sill and nugget values. In contrast, when fish were aggregated in a small portion of the study area, the range was low and the sill and nugget large. The precision of density indices (coefficient of variation) was below 20% in all cases but at a maximum during summer when cod were broadly distributed in small, moderate to dense aggregations. Geostatistical modeling allowed us to describe and quantify distribution patterns of fish density over different scales of observation, comparisons of spatiotemporal changes in density distribution, and estimations of the precision of density indices while accounting for the effects of heterogeneous distributions, outliers and the typically large number of zero and low-density observations. Geostatistical methods have particular applicability to fishes exhibiting gregarious behaviour and seasonally variable distributions, which include many temperate and high-latitude fish 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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».