Life history and demographic determinants of effective/census size ratios as exemplified by brown trout (<i>Salmo trutta</i>)
Notice bibliographique
Résumé
A number of demographic factors, many of which related to human-driven encroachments, are predicted to decrease the effective population size (N(e)) relative to the census population size (N), but these have been little investigated. Yet, it is necessary to know which factors most strongly impact N(e), and how to mitigate these effects through sound management actions. In this study, we use parentage analysis of a stream-living brown trout (Salmo trutta) population to quantify the effect of between-individual variance in reproductive success on the effective number of breeders (N(b)) relative to the census number of breeders (N(i)). Comprehensive estimates of the N(b)/N ratio were reduced to 0.16-0.28, almost entirely due to larger than binomial variance in family size. We used computer simulations, based on empirical estimates of age-specific survival and fecundity rates, to assess the effect of repeat spawning (iteroparity) on N(e) and found that the variance in lifetime reproductive success was substantially higher for repeat spawners. Random family-specific survival, on the other hand, acts to buffer these effects. We discuss the implications of these findings for the management of small populations, where maintaining high and stable levels of N(e) is crucial to extenuate inbreeding and protect genetic variability.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 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 ».