Factors affecting short-term post-release survival probability of Lake Trout implanted with acoustic telemetry transmitters
Notice bibliographique
Résumé
The use of acoustic telemetry is steadily expanding to help answer questions related to habitat use, movement, and behavior of fishes. Significant time and resources are invested to start acoustic telemetry studies; therefore, careful planning is needed to limit post-release mortality of tagged individuals. Deep, cold-water species present additional challenges to acoustic tagging because of changes in temperature and pressure experienced during capture. The objective of our study was to determine if capture method, surface water temperature, water depth, or fish size influenced short-term post-release survival of a deep, cold-water species, Lake Trout Salvelinus namaycush . In 2023, 299 Lake Trout were captured with angling or gillnets across Lake Ontario (Laurentian Great Lake – U.S. & CAN) and surgically implanted with acoustic transmitters. We estimated 30-day post-release mortality and 24-h post-release distance traveled for tagged Lake Trout. We used Cox proportional hazards models to identify factors affecting survival probability and multiple linear regression to identify factors affecting post-release distance traveled. Thirty-day post-release mortality was minimal (9.03 %, 27/299 Lake Trout); however, mortality was 6.37 times more likely for Lake Trout captured in gillnets compare to angling ( p = 0.003). Lake Trout length had a marginally significant effect on mortality ( p = 0.052) but capture depth and temperature did not ( p > 0.05). Lake Trout post-release distance traveled was not significantly influenced by capture gear, depth, temperature, or Lake Trout length ( p = 0.61). Our results indicate that tagging-induced post-release mortality is minimal for Lake Trout tagged in the spring, but survival can be increased by avoiding use of gillnets.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».