Estimating occupancy and detection probability of juvenile bull trout using backpack electrofishing gear in a west-central Alberta watershed
Notice bibliographique
Résumé
Occupancy modeling is well suited to quantitative assessment of bull trout (Salvelinus confluentus) distribution at multiple scales. We used models to estimate occupancy of juvenile bull trout (≤150 mm fork length) in a west-central Alberta watershed. Based on a backpack electrofishing survey of 92 sites, we assessed the relative importance of stream habitat characteristics on detection probability (p) and potential for false absences to bias occupancy estimates. Median distance to first bull trout detection was 16 m (range 0–289 m). Models including ambient water conductivity as a covariate of detection probability were most supported with an 85 μS·cm−1 increase resulting in over a tenfold increase in detection. Conditional detection probability using backpack electrofishing gear approached 95% in the first 200 m of effort in streams with a conductivity around 200 μS·cm−1. The potential for false absences in our study area was relatively low. Modeled site ([Formula: see text] = 0.53; SE = 0.13) and patch-scale ([Formula: see text] = 0.47; SE = 0.12) occupancy closely corresponded to naive (i.e., assuming p = 1) estimates (0.47 and 0.43, respectively). Our results highlight the potential efficiencies of an occupancy modeling approach when assessing fish distribution, but careful consideration of model assumptions is necessary.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».