MétaCan
Menu
Retour à la cohorte
Enregistrement W7133274137

An Integrated Population Model for St. Lawrence Estuary Belugas (Delphinapterus leucas)

2024· other· en· W7133274137 sur OpenAlexfundaboutno aff
M. Tim Tinker, Arnaud Mosnier, Anne St-Pierre, Jean-François Gosselin, Stéphane Lair, Robert Michaud, Véronique Lesage

Notice bibliographique

RevueFederal Open Science Repository of Canada / Le Dépôt fédéral de science ouverte du Canada · 2024
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesFisheries and Oceans CanadaUniversité de MontréalParks CanadaWorld Wildlife Fund
Mots-clésBelugaEstuaryPopulationEndangered speciesPopulation modelLeslie matrixVital ratesWildlifeBeluga Whale
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

St. Lawrence Estuary (SLE) belugas are a relict population from the Wisconsin glaciation that probably numbered 10,000 or more in the mid-1800s. As a result of intensive harvests starting in the 1700s, combined with environmental degradation, the population was greatly reduced by the 1980s, leading to their classification as ‘Endangered’ by the Committee on the Status of Endangered Wildlife in Canada in 1983 and to the implementation of a series of programs to monitor the health, demography and dynamics of the population. SLE beluga are exposed to multiple stressors, including environmental contaminants, prey reductions, toxic algal blooms, vessel noise, and various other risk factors. We compiled available data sets on abundance trends, mortality patterns, cause of death and age structure, and used these data to develop and fit an integrative population model (IPM) with the aim of assessing the current status and trends of the SLE beluga population, estimating the risk of quasi-extinction under different scenarios, and identifying new recovery targets for this endangered population. The process model consisted of a stage-structured projection matrix model that incorporated age and sex differences in survival and reproduction. We used Bayesian hierarchical methods to estimate time and density varying vital rates by simultaneously fitting to aerial survey data (from visual and photo-based methods), data on the age structure of the living population and the death assemblage (based on age estimation of stranded carcasses) and cause-of-death analyses of the relative frequencies of natural mortality, harvest mortality, and dystocia/postpartum mortality of adult reproductive females. We found evidence for increased density-dependent (DD) and density independent (DiD) mortality over the 20th century that prevented rebound of the population after the cessation of human harvest in 1979. Our model results showed complex patterns of age and sex specific mortality trends over recent decades: for example, DiD hazards affecting older animals declined between 2010-2018, possibly reflecting reduced cancer rates associated with lower contaminant exposure, resulting in an increasing trend in abundance. In contrast, DD mortality of calves increased over that period, along with dystocia/postpartum mortality of pregnant females, with the result that the proportion of young animals in the living population decreased while the proportion of young animals in the death assemblage increased. These demographic shifts, combined with an uptick in DiD hazards after 2018, caused abundance trends to stabilize after 2018 and possibly begin to decline, although the higher level of uncertainty typical of the end of a time series makes the current trend uncertain.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,879
Score d'incertitude au seuil0,241

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0030,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,268
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFederal Open Science Repository of Canada / Le Dépôt fédéral de science ouverte du CanadaTravaux en français237 207