Informing Management of Atlantic Bluefin Tuna Using Telemetry Data
Notice bibliographique
Résumé
Sustainable management of exploited marine fish and wildlife populations requires knowledge about their productivity. Survival from natural causes of mortality is a key component of population productivity, but is notoriously difficult to estimate. We evaluate the potential for acoustic telemetry as a long-term monitoring tool to estimate rates of natural mortality. We present a Bayesian multistate mark-recapture model for telemetry data collected over a decade from 188 Atlantic bluefin tuna (Thunnus thynnus)and apply it to estimate the rate of natural mortality using only acoustic tag detections for all animals, or using acoustic tag detections for 96 single-tagged tuna plus acoustic tag detections combined with estimated positions from pop-up satellite archival tags for 92 double-tagged animals. We support the model for bluefin tuna with a simulation study to quantify bias in estimates of population dynamics parameters and investigate the effect of auxiliary information from satellite tagging on mortality rate estimates for different acoustic tag detection probability scenarios. We obtained posterior estimates of the instantaneous annual natural mortality (survival) rate across a decade of tagging for Atlantic bluefin tuna of 0.17 yr-1(0.84 yr-1) both using only acoustic tagging data, and using a combination of acoustic and satellite tagging data. Use of a prior implying a higher rate of fishing mortality yielded an instantaneous annual natural mortality (survival) estimate of 0.10 yr-1(0.90 yr-1), with combined acoustic and satellite tag data. Results from the simulation study indicate that the use of satellite tags can improve the precision and accuracy of estimates of detection probabilities, area-specific movement probabilities and mortality rates, where the extent of the improvement depends on true underlying acoustic tag detection probabilities. Our work demonstrates that long-term acoustic tagging data sets have strong potential for monitoring of highly migratory marine fish and wildlife populations, providing information on a number of key parameters, including survival and movement rates. However, improved information on tag reporting rates or fishing mortality is needed to better separate natural and fisheries mortality for Atlantic bluefin tuna.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».