Salish Sea Chinook salmon exhibit weaker coherence in early marine survival trends than coastal populations
Notice bibliographique
Résumé
Abstract Identifying factors that influence anadromous Pacific salmon ( Oncorhynchus spp.) population dynamics is complicated by their diverse life histories and large geographic range. Over the last several decades, Chinook salmon ( O. tshawytscha ) populations from coastal areas and the Salish Sea have exhibited substantial variability in abundance. In some cases, populations within the Salish Sea have experienced persistent declines that have not rebounded. We analyzed a time series of early marine survival from 36 hatchery Chinook salmon populations spanning ocean entry years 1980–2008 to quantify spatial and temporal coherence in survival. Overall, we observed higher inter‐population variability in survival for Salish Sea populations than non‐Salish Sea populations. Annual survival patterns of Salish Sea populations covaried over smaller spatial scales and exhibited less synchrony among proximate populations relative to non‐Salish Sea populations. These results were supported by multivariate autoregressive state space ( MARSS ) models which predominantly identified region‐scale differences in survival trends between northern coastal, southern coastal, Strait of Georgia, and Puget Sound population groupings. Furthermore, Dynamic Factor Analysis ( DFA ) of regional survival trends showed that survival of southern coastal populations was associated with the North Pacific Gyre Oscillation, a large‐scale ocean circulation pattern, whereas survival of Salish Sea populations was not. In summary, this study demonstrates that survival patterns in Chinook salmon are likely determined by a complex hierarchy of processes operating across a broad range in spatial and temporal scales, presenting challenges to the management of mixed‐stock fisheries.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 ».