Search

Analysis of growth increments in the hard parts of animals (e.g., fish otoliths) can be used to assess how organisms respond to variability in environmental conditions. In this study, mixed-effects models were applied to otolith data simulated for two hypothetical fish populations with assumed biological parameters and known growth response to environmental variability. Our objective was to assess the sensitivity of environment-growth relationships derived from otolith biochronologies when challenged with a range of realistic ageing errors and sampling regimes. We found that the development of a robust biochronology and the precision of environmental effect estimates can be seriously hampered by insufficient sample size. Moreover, the introduction of even moderate ageing error into the data can cause substantial underestimation of environmental sources of growth variation. This underestimation diminished our capacity to correctly quantify the known environment-growth relationship and more generally will lead to overly conservative conclusions concerning the growth response to environmental change. Careful study design, reduction of ageing errors, and large sample sizes are critical prerequisites if robust inferences are to be made from biochronological data. L'analyse des increments de croissance preserves dans les parties dures d'animaux (comme les otolites de poissons) peut etre utilisee pour evaluer les reactions des organismes aux variations des conditions ambiantes. Des modeles a effets mixtes ont ete appliques a des donnees d'otolites simulees pour deux populations de poissons hypothetiques en integrant des parametres biologiques presumes et une reaction connue de la croissance a la variabilite des conditions ambiantes. L'objectif consistait a evaluer la sensibilite des relations entre le milieu et la croissance obtenues de biochronologies reposant sur les otolites etant donnee une fourchette d'erreurs realistes de determination de l'age et de regimes d'echantillonnage. Nous constatons qu'un echantillon trop petit peut serieusement entraver l'elaboration d'une biochronologie robuste et limiter la precision des estimations des effets du milieu ambiant. L'introduction dans les donnees d'erreurs ne serait-ce que moderees de determination de l'age peut en outre entrainer une sous-estimation considerable des sources ambiantes de variation de la croissance. Cette sous-estimation reduit notre capacite de quantifier correctement la relation milieu-croissance connue et, plus generalement, se traduira par des conclusions trop moderees concernant la reaction de la croissance a des changements des conditions ambiantes. Une methodologie judicieuse, la reduction des erreurs de determination de l'age et des echantillons de grande taille sont des conditions prealables essentielles a l'etablissement d'inferences robustes a partir de donnees biochronologiques., Introduction Otoliths are calcified structures located in the inner ear of fish that commonly show growth bands corresponding to daily, seasonal, or annual growth patterns (Campana and Thorrold 2001). For [...]

The assignment of individual fish to its stock of origin is important for reliable stock assessment and fisheries management. Otolith shape is commonly used as the marker of distinct stocks in discrimination studies. Our literature review showed that the application and comparison of alternative statistical classifiers to discriminate fish stocks based on otolith shape is limited. Therefore, we compared the performance of two traditional and four machine learning classifiers based on Fourier analysis of otolith shape using selected stocks of Atlantic cod (Gadus morhua) in the southern Baltic Sea and Atlantic herring (Clupea harengus) in the western Norwegian Sea, Skagerrak, and the southern Baltic Sea. Our results showed that the stocks can be successfully discriminated based on their otolith shapes. We observed significant differences in the accuracy obtained by the tested classifiers. For both species, support vector machines (SVM) resulted in the highest classification accuracy. These findings suggest that modern machine learning algorithms, like SVM, can help to improve the accuracy of fish stock discrimination systems based on the otolith shape. L'affectation d'un poisson donne a son stock d'origine est importante pour la fiabilite des evaluations de stocks et de la gestion des peches. La forme des otolites est communement utilisee comme marqueur de stocks distincts dans des etudes de discrimination. Notre examen de la documentation a montre que l'application et la comparaison de differents criteres de classification statistiques pour discriminer des stocks de poissons sur la base de la forme des otolites constituent une approche d'usage limite. Nous avons done compare la performance de deux criteres de classification traditionnels et quatre criteres d'apprentissage machine reposant sur l'analyse de Fourier de la forme des otolites pour des stocks choisis de morue (Gadus morhua) dans la mer Baltique meridionale et de hareng (Clupea harengus) dans la mer de Norvege occidentale, le Skagerrak et la mer Baltique meridionale. Nos resultats montrent que les stocks peuvent etre discrimines efneacement sur la base des formes d'otolites. Nous observons des differences significatives de l'exactitude obtenue en utilisant les differents criteres de classification evalues. Pour les deux especes, les machines a vecteurs de support (MVS) produisent la plus grande exactitude de classification. Ces constatations donnent a penser que des algorithmes d'apprentissage machine modernes, tels que les MVS, peuvent aider a rehausser l'exactitude de systemes de discrimination des stocks de poissons bases sur la forme des otolites. [Traduit par la Redaction], Introduction Discrimination of fish stocks is essential for reliable fisheries resource management and is currently an integral part of modern fish stock assessments (Begg et al. 1999). Many commercially exploited [...]

The drivers of recruitment of selected Baltic sprat (Sprattus sprattus) and herring (Clupea harengus) stocks were investigated. Data on the interaction dynamics among fish species, the biological characteristics of the stocks, the biomass of the main predators, and the hydroclimatic environmental factors (Baltic Sea Index and sea surface temperature) were used in the analysis. The combination of random forest (Boruta algorithm) and 'sliding window' approaches was tested on the simulated data and then used for the selection of relevant predictors and the optimal time window for real environmental variables. Sea surface temperature had a significant positive effect on the recruitment processes. Moreover, contrasting effects were observed in the mean Baltic Sea Index from two different time windows. The same environmental variable generated contrasting short-term and long-term effects on fish recruitment. This paper highlights the potential benefits of random forest and data mining applications for the incorporation of environmental factors in the assessment of stocks. The proposed analytical approach may be valuable for the investigations of complex environmental impacts in a broad range of ecological studies.Les facteurs qui influent sur le recrutement de stocks selectionnes de sprats (Sprattus sprattus) et de harengs (Clupea harengus) baltiques ont ete examines. Des donnees sur la dynamique des interactions entre especes de poissons, des caracteristiques biologiques des stocks, la biomasse des principaux predateurs et des facteurs environnementaux hydroclimatiques (indice de la mer Baltique et temperature de la surface de la mer) ont ete utilisees dans l'analyse. La combinaison d'approches de forets aleatoires (algorithme Boruta) et de <> a ete mise a l'essai avec les donnees simulees, puis utilisee pour la selection de variables predictives pertinentes et de la fenetre de temps optimale pour des variables environnementales reelles. La temperature de la surface de la mer a un effet positif significatif sur les processus de recrutement. En outre, des effets distincts sont observes sur l'indice de la mer Baltique moyen pour deux fenetres de temps differentes. La meme variable environnementale produit des effets a court terme et a long terme differents sur le recrutement de poissons. L'article fait ressortir les avantages potentiels d'applications des forets aleatoires et du forage de donnees pour l'integration de facteurs environnementaux a revaluation des stocks. L'approche analytique proposee pourrait etre utile pour les evaluations d'impacts complexes sur l'environnement dans tout un eventail d'etudes ecologiques. [Traduit par la Redaction], IntroductionFish population dynamics depend strongly on recruitment processes (Cushing 1996), which were widely identified in the 1980s as the crucial elements to be considered for effective management (Checkley et al. [...]