Hierarchical Bayesian modelling with habitat and time covariates for estimating riverine fish population size by successive removal method
International audience We present a hierarchical Bayesian modelling (HBM) framework for estimating riverine fish population size from successive removal data via electrofishing. It is applied to the estimation of the population of Atlantic salmon (Salmo salar) juveniles in the Oir River (France). Th...
Published in: | Canadian Journal of Fisheries and Aquatic Sciences |
---|---|
Main Authors: | , , , , |
Other Authors: | , , , , , , , |
Format: | Article in Journal/Newspaper |
Language: | English |
Published: |
HAL CCSD
2008
|
Subjects: | |
Online Access: | https://hal.science/hal-01197511 https://doi.org/10.1139/F07-153 |
id |
ftunivpau:oai:HAL:hal-01197511v1 |
---|---|
record_format |
openpolar |
spelling |
ftunivpau:oai:HAL:hal-01197511v1 2023-11-12T04:14:46+01:00 Hierarchical Bayesian modelling with habitat and time covariates for estimating riverine fish population size by successive removal method Rivot, Etienne Prévost, Etienne Cuzol, Anne Baglinière, Jean-Luc, J.-L. Parent, Éric Écologie et santé des écosystèmes (ESE) Institut National de la Recherche Agronomique (INRA)-AGROCAMPUS OUEST Ecologie Comportementale et Biologie des Populations de Poissons (ECOBIOP) Institut National de la Recherche Agronomique (INRA)-Université de Pau et des Pays de l'Adour (UPPA) Laboratoire de Statistiques Appliquées de Bretagne Sud Université de Bretagne Sud (UBS) Mathématiques et Informatique Appliquées (MIA-Paris) Institut National de la Recherche Agronomique (INRA)-AgroParisTech 2008 https://hal.science/hal-01197511 https://doi.org/10.1139/F07-153 en eng HAL CCSD NRC Research Press info:eu-repo/semantics/altIdentifier/doi/10.1139/F07-153 hal-01197511 https://hal.science/hal-01197511 doi:10.1139/F07-153 PRODINRA: 32354 ISSN: 0706-652X EISSN: 1205-7533 Canadian Journal of Fisheries and Aquatic Sciences https://hal.science/hal-01197511 Canadian Journal of Fisheries and Aquatic Sciences, 2008, 65 (1), pp.117-133. ⟨10.1139/F07-153⟩ MODELISATION BAYESIEN HIERARCHIQUE HBM [SDV.SA]Life Sciences [q-bio]/Agricultural sciences info:eu-repo/semantics/article Journal articles 2008 ftunivpau https://doi.org/10.1139/F07-153 2023-10-15T21:03:38Z International audience We present a hierarchical Bayesian modelling (HBM) framework for estimating riverine fish population size from successive removal data via electrofishing. It is applied to the estimation of the population of Atlantic salmon (Salmo salar) juveniles in the Oir River (France). The data set consists of 10 sampling sites sampled by one or two removals over a period of 20 years (1986–2005). We develop and contrast four models to assess the effect of temporal variations and habitat type on the density of fish and the probability of capture. The Bayes factor and the deviance information criterion are used to compare these models. The most credible and parsimonious model is the one that accounts for the effects of the years and the habitat type on the density of fish. It is used to extrapolate the population size in the entire river reach. This paper illustrates that HBM successfully accommodates large but sparse data sets containing poorly informative data for some units. Its conditional structure enables it to borrow strength from data-rich to data-poor units, thus improving the estimations. Predictions of the population size of the entire river reach can be derived, while accounting for all sources of uncertainty. Nous proposons un cadre de modélisation bayésien hiérarchique (HBM) pour estimer l’abondance d’une population de juvéniles de saumon atlantique (Salmo salar) dans la rivière Oir (France) par la méthode des retraits successifs par pêche électrique. Le jeu de données est composé de 10 sites d’échantillonnage, chacun ayant été échantillonné par un ou deux passages sur une période de 20 ans (1986–2005). Quatre modèles sont développés pour introduire les variations inter-annuelles et les effets du type d’habitat sur la densité et sur la probabilité de capture. Ces modèles sont comparés à l’aide du facteur de Bayes et d’un critère d’information basé sur la déviance. Le modèle retenu est celui qui prend en compte l’effet de l’année et du type d’habitat sur la densité de juvéniles de ... Article in Journal/Newspaper Atlantic salmon Salmo salar HAL e2s UPPA (Université de Pau et des Pays de l'Adour) Canadian Journal of Fisheries and Aquatic Sciences 65 1 117 133 |
institution |
Open Polar |
collection |
HAL e2s UPPA (Université de Pau et des Pays de l'Adour) |
op_collection_id |
ftunivpau |
language |
English |
topic |
MODELISATION BAYESIEN HIERARCHIQUE HBM [SDV.SA]Life Sciences [q-bio]/Agricultural sciences |
spellingShingle |
MODELISATION BAYESIEN HIERARCHIQUE HBM [SDV.SA]Life Sciences [q-bio]/Agricultural sciences Rivot, Etienne Prévost, Etienne Cuzol, Anne Baglinière, Jean-Luc, J.-L. Parent, Éric Hierarchical Bayesian modelling with habitat and time covariates for estimating riverine fish population size by successive removal method |
topic_facet |
MODELISATION BAYESIEN HIERARCHIQUE HBM [SDV.SA]Life Sciences [q-bio]/Agricultural sciences |
description |
International audience We present a hierarchical Bayesian modelling (HBM) framework for estimating riverine fish population size from successive removal data via electrofishing. It is applied to the estimation of the population of Atlantic salmon (Salmo salar) juveniles in the Oir River (France). The data set consists of 10 sampling sites sampled by one or two removals over a period of 20 years (1986–2005). We develop and contrast four models to assess the effect of temporal variations and habitat type on the density of fish and the probability of capture. The Bayes factor and the deviance information criterion are used to compare these models. The most credible and parsimonious model is the one that accounts for the effects of the years and the habitat type on the density of fish. It is used to extrapolate the population size in the entire river reach. This paper illustrates that HBM successfully accommodates large but sparse data sets containing poorly informative data for some units. Its conditional structure enables it to borrow strength from data-rich to data-poor units, thus improving the estimations. Predictions of the population size of the entire river reach can be derived, while accounting for all sources of uncertainty. Nous proposons un cadre de modélisation bayésien hiérarchique (HBM) pour estimer l’abondance d’une population de juvéniles de saumon atlantique (Salmo salar) dans la rivière Oir (France) par la méthode des retraits successifs par pêche électrique. Le jeu de données est composé de 10 sites d’échantillonnage, chacun ayant été échantillonné par un ou deux passages sur une période de 20 ans (1986–2005). Quatre modèles sont développés pour introduire les variations inter-annuelles et les effets du type d’habitat sur la densité et sur la probabilité de capture. Ces modèles sont comparés à l’aide du facteur de Bayes et d’un critère d’information basé sur la déviance. Le modèle retenu est celui qui prend en compte l’effet de l’année et du type d’habitat sur la densité de juvéniles de ... |
author2 |
Écologie et santé des écosystèmes (ESE) Institut National de la Recherche Agronomique (INRA)-AGROCAMPUS OUEST Ecologie Comportementale et Biologie des Populations de Poissons (ECOBIOP) Institut National de la Recherche Agronomique (INRA)-Université de Pau et des Pays de l'Adour (UPPA) Laboratoire de Statistiques Appliquées de Bretagne Sud Université de Bretagne Sud (UBS) Mathématiques et Informatique Appliquées (MIA-Paris) Institut National de la Recherche Agronomique (INRA)-AgroParisTech |
format |
Article in Journal/Newspaper |
author |
Rivot, Etienne Prévost, Etienne Cuzol, Anne Baglinière, Jean-Luc, J.-L. Parent, Éric |
author_facet |
Rivot, Etienne Prévost, Etienne Cuzol, Anne Baglinière, Jean-Luc, J.-L. Parent, Éric |
author_sort |
Rivot, Etienne |
title |
Hierarchical Bayesian modelling with habitat and time covariates for estimating riverine fish population size by successive removal method |
title_short |
Hierarchical Bayesian modelling with habitat and time covariates for estimating riverine fish population size by successive removal method |
title_full |
Hierarchical Bayesian modelling with habitat and time covariates for estimating riverine fish population size by successive removal method |
title_fullStr |
Hierarchical Bayesian modelling with habitat and time covariates for estimating riverine fish population size by successive removal method |
title_full_unstemmed |
Hierarchical Bayesian modelling with habitat and time covariates for estimating riverine fish population size by successive removal method |
title_sort |
hierarchical bayesian modelling with habitat and time covariates for estimating riverine fish population size by successive removal method |
publisher |
HAL CCSD |
publishDate |
2008 |
url |
https://hal.science/hal-01197511 https://doi.org/10.1139/F07-153 |
genre |
Atlantic salmon Salmo salar |
genre_facet |
Atlantic salmon Salmo salar |
op_source |
ISSN: 0706-652X EISSN: 1205-7533 Canadian Journal of Fisheries and Aquatic Sciences https://hal.science/hal-01197511 Canadian Journal of Fisheries and Aquatic Sciences, 2008, 65 (1), pp.117-133. ⟨10.1139/F07-153⟩ |
op_relation |
info:eu-repo/semantics/altIdentifier/doi/10.1139/F07-153 hal-01197511 https://hal.science/hal-01197511 doi:10.1139/F07-153 PRODINRA: 32354 |
op_doi |
https://doi.org/10.1139/F07-153 |
container_title |
Canadian Journal of Fisheries and Aquatic Sciences |
container_volume |
65 |
container_issue |
1 |
container_start_page |
117 |
op_container_end_page |
133 |
_version_ |
1782332323422797824 |