Bayesian modeling and simulation methods for fish movements
Notice bibliographique
Résumé
Bayesian methods have been popular in modelling complex ecological data collected using modern animal tracking technologies such as acoustic telemetry for multiple reasons, including their extreme flexibility, ability to incorporate prior knowledge and better precision. Acoustic telemetry systems technology has been increasingly used to study fish movement patterns and habitat use and estimate demographic parameters, including survival probabilities and population size. However, the data generated using omnidirectional acoustic telemetry studies are complex, with multiple sources of variability. In this thesis, I develop methods to effectively analyze data generated with omnidirectional acoustic telemetry systems. The thesis consists of four manuscripts with three different Bayesian models in the first three manuscripts: (1) Bayesian state-space modelling approach to estimate the hidden fish movement paths of walleye in lake Winnipeg, (2) Bayesian multi-state mark-recapture models to estimate survival of Arctic char living in multiple habitats of the Cambridge bay region of Nunavut, and (3) Bayesian hierarchical modelling to understand the biological and environmental drivers behind the survival of Cambridge bay Arctic char. In the fourth manuscript, we develop a novel set of fishery metrics to further understand the vulnerability of walleye to fishing activities in lake Winnipeg. Furthermore, the thesis provides practical tools for many challenges that will arise from the planning stage of the study to the data analysis stage of acoustic telemetry studies. In addition, the finding of each study provides valuable and influential information for fishery managers to make effective fish management and conservation decisions that will affect the future of the aquatic species in those regions.
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 | 0,011 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,003 |
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 ».