Methods for Estimating Abundance and Associated Uncertainty from Passive Count Technologies
Notice bibliographique
Résumé
Abstract Passive count technologies (e.g., resistivity counters, infrared cameras, and sonar/hydroacoustic cameras) are increasingly being used to enumerate migratory fish populations, but methodologies for converting counts into abundance estimates with uncertainty are not available. Passive counters are typically paired with a secondary data collection method, such as video, images, or direct observation, to validate or correct the count data for false positives and false negatives. We developed a framework that incorporates measurement error into passive counter estimates based on a statistical comparison with validation data. We demonstrate this framework using resistivity counter and video validation data collected for Gates Creek Sockeye Salmon Oncorhynchus nerka as they migrated through a fish passage facility at the Seton Dam in British Columbia, Canada. We also conducted simulations to evaluate the trade-offs between validation effort and accuracy and precision of abundance estimates, which can be used to plan passive counter postprocessing and validation. We found our method to be accurate and precise when abundance was high (i.e., >1,000), even when validation effort was low (i.e., 5% validation). There was a positive estimation bias when abundance was low (i.e., 100), and a minimum of 25% validation was required to achieve a CV of 15% and relative error less than 10%. When estimating abundance for small populations, higher validation effort is required to obtain sufficient precision in abundance estimates. Measurement error should not be overlooked in passive fish count technologies, and we provide a robust method for generating uncertainty in abundance estimates that increases their utility for population assessment and conservation.
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 | 0,013 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».