Spatiotemporal modeling of mature‐at‐length data using a sliding window approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Assessing maturity status of fish and invertebrate species is important for understanding population dynamics with results (e.g., estimates of reproductive potential) often used to inform fisheries management strategies (e.g., the setting of minimum legal size requirements for fishing). Maturity rates may vary substantially across a population's range, as well as between years. In addition, maturity data are typically obtained from fisheries‐independent surveys that may be incomplete (or missing) from year to year. Here we propose a spatial generalized linear mixed model (GLMM) framework for maturity data that includes spatially correlated random effects to address variations in space, and a sliding window approach to deal with unbalanced maturity data in both space and time. We demonstrate, with both real data and a simulation study, that this combined approach results in unbiased estimates of important growth parameters. Results of using our spatial GLMM framework with Greenland halibut ( Rheinhardtius hippoglossoides ) mature‐at‐length data from surveys of the eastern Canadian Arctic show that females mature at a much larger size than do males. The length at which 50% of the stock is mature () is found to be higher in Baffin Bay compared to Davis Strait, and a declining trend in the in recent years is revealed for both sexes. Our proposed methodology extends far beyond our current application in being useful for analyzing unbalanced spatiotemporal data from an array of diverse scientific fields.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle