Reliable growth estimation from mark–recapture tagging data in elasmobranchs
Notice bibliographique
Résumé
The somatic growth of individuals governs many aspects of a species’ life history and is an important parameter in the assessment of populations. Population growth parameters are typically derived by relating the length of individuals to their age, with ages commonly estimated from growth bands formed in calcified structures such as the vertebrae or dorsal fin spines. However, routinely utilized vertebrae aging methods may not be reliable for many elasmobranchs (sharks, rays and skates), motivating alternative approaches. This study evaluates the performance of seven techniques that estimate von Bertalanffy growth parameters from mark-recapture tagging data. Evaluation of the performance was done by applying each estimation technique to: 1) simulated error-free mark-recapture tagging data and comparing the estimated versus known simulated growth parameters; 2) simulated mark-recapture data considering individual growth variability, measurement error, different length-at-capture distributions, as well as different sample sizes and comparing the estimated versus known simulated growth parameters; and 3) mark-recapture data of 14 North Atlantic elasmobranch stocks and discussing the estimated growth parameters with respect to biological plausibility and conventional length-at-age data. All investigated estimation techniques returned the known simulated growth parameters when the data is without error. When errors are introduced in the simulation, Bayesian implementations of Fabens' (BFa) and Francis’ (BFr) methods were found to be most reliable. For the observed mark-recapture data only BFa gave biologically plausible results for all 14 elasmobranch stocks. Overall, the results suggest that BFa is a reliable alternative to conventional length-at-age methods for estimating growth parameters, especially in data-limited situations which commonly occur with elasmobranchs. The only prior information needed is limited expert knowledge on maximum length in the population or stock in question. A user guide is provided to facilitate application of the method.
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 | 0,009 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».