Salmon lice infestations on sea trout predicts infestations on migrating salmon post-smolts
Notice bibliographique
Résumé
Abstract Impacts of sea lice (Lepeophtheirus salmonis or Caligus spp.) on wild salmonids is currently one of the most important issues facing management of fish farms in salmon producing countries in the northern hemisphere. Surveillance of sea lice on wild Atlantic salmon (Salmo salar) is often hampered by the ability to catch enough migrating post-smolts. Therefore, sea lice abundance on anadromous trout (Salmo trutta) is often used to infer sea lice abundance on migrating salmon post-smolt. However, the assumption that there is a relationship between the abundance of lice on salmon and trout has never been tested. Here we use a dataset of sea lice on salmon post-smolt and sea trout that have been caught simultaneously in trawl hauls, to evaluate the correlation in abundance of sea lice between the two species using various statistical models. We demonstrate that trout generally has higher abundances of sea lice than salmon. Average lice per gram fish on sea trout (log transformed) predicted the abundance of lice on salmon best. Negative binomial models of lice counts were preferable to using trout lice counts as direct estimates of salmon lice abundance, and they had better predictive ability than logit models of high (vs. low) lice counts. Including the size of the salmon increased the predictive ability of the model, but these data are not generally available. The effect of salmon weight may have been a direct effect of body size, or an indirect effect of time spent in marine waters. Finally, we predict lower salmon lice counts on migrating salmon with our selected binomial model than with the current method of using trout lice counts as a direct estimator on salmon lice counts, and demonstrate that management advice would change considerably depending on the chosen method.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,004 | 0,001 |
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 ».