Age-structured Jolly-Seber model expands inference and improves parameter estimation from capture-recapture data
Notice bibliographique
Résumé
Understanding the influence of individual attributes on demographic processes is a key objective of wildlife population studies. Capture-recapture and age data are commonly collected to investigate hypotheses about survival, reproduction, and viability. We present a novel age-structured Jolly-Seber model that incorporates age and capture-recapture data to provide comprehensive information on population dynamics, including abundance, age-dependent survival, recruitment, age structure, and population growth rates. We applied our model to a multi-year capture-recapture study of polar bears (Ursus maritimus) in western Hudson Bay, Canada (2012-2018), where management and conservation require a detailed understanding of how polar bears respond to climate change and other factors. In simulation studies, the age-structured Jolly-Seber model improved precision of survival, recruitment, and annual abundance estimates relative to standard Jolly-Seber models that omit age information. Furthermore, incorporating age information improved precision of population growth rates, increased power to detect trends in abundance, and allowed direct estimation of age-dependent survival and changes in annual age structure. Our case study provided detailed evidence for senescence in polar bear survival. Median survival estimates were lower (<0.95) for individuals aged <5 years, remained high (>0.95) for individuals aged 7-22 years, and subsequently declined to near zero for individuals >30 years. We also detected cascading effects of large recruitment classes on population age structure, which created major shifts in age structure when these classes entered the population and then again when they reached prime breeding ages (10-15 years old). Overall, age-structured Jolly-Seber models provide a flexible means to investigate ecological and evolutionary processes that shape populations (e.g., via senescence, life expectancy, and lifetime reproductive success) while improving our ability to investigate population dynamics and forecast population changes from capture-recapture data.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,004 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».