Model-based indices of juvenile Pacific salmon abundance highlight species-specific seasonal distributions and impacts of changes to survey design
Notice bibliographique
Résumé
Changes in survey implementation can bias traditional design-based indices of abundance, particularly for migratory species where local abundance can vary at short temporal scales. Spatiotemporal model-based estimators provide a flexible alternative that can better account for changes in the timing and location of surveys. Here we develop a geostatistical model, a generalized linear mixed effects model with Gaussian Markov random fields, that is sufficiently flexible to account for changes in survey design, as well as seasonal and interannual variability in abundance and spatial distribution. We then apply this model to a suite of migratory species—juvenile Pacific salmon—with survey data collected from southern British Columbia’s continental shelf over the previous 25 years. Juvenile Pacific salmon showed species-specific spatial distributions with considerable seasonal variability. While the location of species-specific hot spots varied among years, seasonal variation in distributions were greater than interannual variation. We found that a shift from standard transects and opportunistic sampling to a random stratified survey design resulted in lower estimates of abundance for four of five juvenile Pacific salmon species; however, these differences were not significant after accounting for other sampling attributes. Trends in abundance for several species shifted when models included survey and diel effects. Our approach provides a means of deriving indices of abundance for migratory species from surveys with variable effort in time and space. Ultimately such indices can be used to better understand the ecological mechanisms regulating productivity by linking distribution and abundance to environmental drivers.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 tête enseignante, 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 ».