Measuring and modelling Pacific herring spawning-site fidelity and dispersal using tag-recovery dispersal curves
Notice bibliographique
Résumé
Abstract Flostrand, L. A., Schweigert, J. F., Daniel, K. S., and Cleary, J. S. 2009. Measuring and modelling Pacific herring spawning-site fidelity and dispersal using tag-recovery dispersal curves. – ICES Journal of Marine Science, 66: 1754–1761. An approach of relating Pacific herring (Clupea pallasi) tag-recovery data to dispersal distances is presented. Observations from coded wire tag sampling (1999–2006) were used to represent adult herring interannual spawning patterns on the British Columbia coast. Six datasets were applied, differing by number of years-at-liberty (1, 2, or 3) and gear type of recapture (purse-seine or gillnet). In total, 227 tag-recovery samples, consisting of 5687 tag recoveries, were used. Distances were approximated to the shortest paths through water between the release and recapture sites. Recovery rate and distance relationships suggest that exponential models fit the data reasonably well, with average rates of change in recovery rates (slopes) varying from approximately −0.009 to −0.005. A combined slope estimate of −0.007 is similar to four of the six estimates. Using these models, the intensity of movement among five stock-assessment regions was estimated by applying distances relative to their centres. Fidelity estimates range from 53 to 90% across all models and regions, which is consistent with previous findings and premises that influence resource management. Interpretation and application of the modelling exercise are discussed in terms of previous and future work.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».