The use of predator tags to explain reversal movement patterns in Atlantic salmon smolts (<scp><i>Salmo salar</i></scp> L.)
Notice bibliographique
Résumé
Acoustic telemetry has seen a rapid increase in utility and sophistication in recent years and is now used extensively to assess the behavior and survival rates of many aquatic animals, including the Atlantic salmon. As part of the salmon's complex life cycle, salmon smolts are thought to make a unidirectional migration from fresh water to the sea, which is initiated by changes in their physiology. However, some tag movement patterns do not conform with this and can be difficult to explain, particularly if the tagged fish has been eaten by a predator. This study combines the use of predator tags with machine learning techniques to understand the fate of migrating salmon smolts and thereby improve estimates for migration success. Over 3 years between 2020 and 2022, 217 salmon smolts (including wild and hatchery-reared ranched fish) were acoustically tagged and released into an embayment on the west coast of Ireland. Some tagged smolts were observed to return from the estuary back into a saline lagoon through which they had already migrated. To distinguish between the movement of a salmon smolt and that of a predator, predator tags were deployed in migrating smolts in 2021 and 2022. The addition of a temperature sensor in 2022 enabled the determination of predator type causing the returning movement. A significant number of predator tags were triggered, and the patterns of movement associated with these triggered tags were then used with two types of machine learning algorithms (hierarchical cluster analysis and random forest) to identify and validate the behavior of smolts tagged without extra sensors. Both models produced the same outputs, grouping smolts tagged with predator tags with smolts tagged without the additional sensors but showing similar movements. A mammalian predator was identified as the cause of most reversal movement, and hatchery-reared ranched smolts were found to be more likely predated upon by this predator than wild smolts within the lake and the estuary. However, overall migration success estimates were similar for both wild and hatchery-reared ranched fish. This study highlights the value of predator tags as an essential tool in the overall validation of detection 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».