Estimating spatial distribution of Atlantic salmon escapement using redd counts despite changes over time in counting procedure: application to the Allier River population
Notice bibliographique
Résumé
Abstract In salmonid species, such as Atlantic salmon ( Salmo salar L.), the most frequent type of data set available related to adult escapements are redd counts. When collected over a broad spatio‐temporal domain, redd counts data are of great interest for tracking the variation through time of the spatial distribution of the potential spawners. This is important for management purposes when the habitat quality is variable across river sections of a catchment or when the spatial distribution can vary depending on management actions or on environmental factors. However, long‐term data sets are prone to changes in data collection methodology. In this article, we present a new hierarchical Bayesian modelling approach that allows both (i) to account for a change in the data collection procedure and (ii) to analyse the variation through time of the potential spawners’ spatial distribution. The value of the proposed approach is demonstrated by its application to the Atlantic salmon redd counts data collected in Allier (France) catchment from 1977 to 2011. The Allier can be divided into three main sections according to management and habitat considerations, and an important change occurred in the redd data collection in 1997: counts by foot or by boat were replaced by counts from a helicopter. A significant effect of this change on methodology is detected: less redds counted when using the helicopter counts. However, its explicit consideration in the modelling makes little difference with regard to the estimates of potential spawner abundance and their associated uncertainty.
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 | 0,000 |
| 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 ».