Environmental and biological factors influence migratory Sea Lamprey catchability: implications for tracking abundance in the Laurentian Great Lakes
Notice bibliographique
Résumé
Sea Lamprey Petromyzon marinus population trends in the Great Lakes are tracked by trapping migratory adults in tributaries and using mark and recapture techniques to estimate abundance. Understanding what environmental and biological factors influence Sea Lamprey capture in tributaries is crucial to developing efficient trapping methods and reliable abundance estimates. We analyzed data from trapping sites located on eight Great Lakes tributaries using Cormack-Jolly-Seber models and examined how water temperature, discharge, sex, and length influenced Sea Lamprey apparent survival and capture probability. Sea Lamprey apparent survival was negatively associated with water temperature in all tributaries. Additionally, the odds of small Sea Lamprey ({less than or equal to}45 cm) remaining available to capture were 39% less (95% CI: 63% decrease - 1% increase) than large (>45 cm) lamprey odds. These observed relationships were used to investigate if bias in abundance estimates using the pooled-Petersen estimator and Jolly-Seber models was expected to be similar across trapping locations or influenced by variable environmental conditions and biological traits. Pooled-Petersen abundance estimates had a positive bias when datasets were generated from simulated populations with empirical relationships between environmental characteristics and catchability. The degree of bias depended upon changes in stream warming patterns and was not consistent among trapping locations. Jolly-Seber models using data from either weekly-batch-marked or uniquely-marked individuals generated abundance estimate with low bias when data quality was high, but performed poorly in scenarios with few recaptured Sea Lamprey. This research can promote improved Sea Lamprey monitoring efforts by providing insight into the reliability of the pooled-Petersen abundance estimator as a tool for tracking Sea Lamprey populations and demonstrating the limitations of adopting more robust methods when data are sparse.
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 | 0,004 |
| 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 | 0,001 |
| 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 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 ».