Modeling population dynamics and nonstationary processes of difficult-to-age fishery species with a hierarchical Bayesian two-stage model
Notice bibliographique
Résumé
Modeling population dynamics and establishing a comprehensive population assessment for fishery species that are difficult to age have been challenging. Determination of age for such species is still an unresolved issue or is at best uncertain. Catch-survey analysis does not require full age information but can still provide a comprehensive population assessment. It was extended to incorporate multiple surveys and multiple sources of uncertainties within the statistical catch-at-age framework in the applications to crustaceans. Here, we further generalize and extend the multiple survey catch-survey analysis into a hierarchical Bayesian two-stage model by applying the hierarchical Bayesian approach. The hierarchical Bayesian approach can sufficiently incorporate uncertainty and expert opinions in parameter estimation. We developed a series of models with different assumptions for natural mortality and catchability, including nonstationary (i.e., time-varying) assumptions. We evaluated model robustness to these assumptions and compared population dynamics estimates and population status determination. We demonstrated the application of the hierarchical Bayesian two-stage model using the North Carolina blue crab (Callinectes sapidus) example. In this example, estimation of population size and fishing mortality and determination of population status were robust to the natural mortality and catchability assumptions. The North Carolina blue crab population is less likely to have nonstationary catchability or nonstationary natural mortality. Its natural mortality is more likely to vary by stage than by sex or over time.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».