Vertical Distribution of Fish Biomass in Lake Superior: Implications for Day Bottom Trawl Surveys
Notice bibliographique
Résumé
Abstract Evaluation of the biases in sampling methodology is essential for understanding the limitations of abundance and biomass estimates of fish populations. Estimates from surveys that rely solely on bottom trawls may be particularly vulnerable to bias if pelagic fish are numerous. We evaluated the variability in the vertical distribution of fish biomass during the U.S. Geological Survey's annual spring bottom trawl survey of Lake Superior using concurrent hydroacoustic observations to (1) test the assumption that fish are generally demersal during the day and (2) evaluate the potential for predictive models to improve bottom trawl–determined biomass estimates. Our results indicate that the assumption that fish exhibit demersal behavior during the annual spring bottom trawl survey in Lake Superior is unfounded. Bottom trawl biomass (BBT) estimates (mean ± SE) for species known to exhibit pelagic behavior (cisco Coregonus artedi, bloater C. hoyi, kiyi C. kiyi, and rainbow smelt Osmerus mordax; 3.01 ± 0.73 kg/ha) were not significantly greater than mean acoustic pelagic zone biomass (BAPZ) estimates (6.39 ± 2.03 kg/ha). Mean BAPZ estimates were 1.6- to 4.8-fold greater than mean BBT estimates over 4 years of sampling. The relationship between concurrent BAPZ and BBT estimates was marginally significant and highly variable. Predicted BAPZ estimates using cross-validation models were sensitive to adjustments for back-transforming from the logarithmic to the linear scale and poorly corresponded to observed BAPZ estimates. We conclude that statistical models to predict BAPZ from day BBT cannot be developed. We propose that night sampling with multiple gears will be necessary to generate better biomass estimates for management needs.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 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 tête enseignante, 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 ».