Mark-recapture with tag loss
Notice bibliographique
Résumé
Mark-recapture studies are used to estimate population parameters such as abundance, survival and recruitment. Briefly, animals are captured, marked with an individually identifiable tag and released. First capture provides information about abundance. Subsequent recaptures provided survival information about the individual. One of the fundamental assumptions in mark-recapture studies is that tags are not lost. If this assumption is violated, parameter and standard error estimates are biased. This thesis deals with the analysis of 3 mark-recapture experiments under tag-loss. The second chapter looks at premature radio failure in radio-telemetry studies. Radio-tags, because of their high detectability, are often used in capture-recapture studies. A key assumption is that radio-tags do not cease functioning during the study. Radio-tag failure before the end of a study can lead to underestimates of survival rates. We develop a model to incorporate secondary radio-tag failure data. This model was applied to chinook smolts (Oncorhynchus tshawytscha) on the Columbia River, WA. The third chapter incorporates tag loss into the Jolly-Seber model. Tag loss in the Jolly-Seber model has only been dealt with in an ad hoc manner. We develop methodology to estimate population sizes and tag-retention in double-tagging mark-recapture experiments. We apply this methodology to the study of walleyes (Stitostedion vitreum) in Mille Lacs, Minnesota. Finally, in the fourth chapter, we develop a Poisson migration model incorporating tag loss. This model is applied to the study of yellowtail flounder (Limanda femginea) on the Grand Banks of Newfoundland.
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 | 0,013 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,006 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,005 |
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 ».