Skip to main content

Geolocation of North Sea cod (Gadus morhua) using hidden Markov models and behavioural switching

Buy Article:

$50.00 plus tax (Refund Policy)


When geolocating fish based on archival tag data, a realistic assessment of uncertainty is essential. Here, we describe an application of a novel Fokker–Planck-based method to geolocate Atlantic cod (Gadus morhua) in the North Sea area. In this study, the geolocation relies mainly on matching tidal patterns in depth measurements when a fish spends a prolonged period of time at the seabed with a tidal database. Each day, the method provides a nonparametric probability distribution of the position of a tagged fish and therefore avoids enforcing a particular distribution, such as a Gaussian distribution. In addition to the tidal component of the geolocation, the model incoporates two behavioural states, either high or low activity, estimated directly from the depth data, that affect the diffusivity parameter of the model and improves the precision and realism of the geolocation significantly. The new method provides access to the probability distribution of the position of the fish that in turn provides a range of useful descriptive statistics, such as the path of the most probable movement. We compare the method with existing alternatives and discuss its potential in making population inference from archival tag data.

Lorsqu’on fait la géolocalisation de poissons à partir de données provenant d’étiquettes à archivage, il est essentiel d’obtenir une évaluation réaliste de l’incertitude. Nous décrivons ici l’utilisation d’une méthode nouvelle basée sur l’équation de Fokker-Planck pour faire la géolocalisation des morues franches (Gadus morhua) dans la région de l’Atlantique Nord. Dans notre étude, la géolocalisation se base principalement sur l’appariement des patrons de marées dans les mesures de profondeur lorsqu’un poisson passe une période de temps prolongée sur le fond de la mer avec la banque de données sur les marées. Chaque jour, la méthode fournit une distribution non paramétrique de la position du poisson marqué et ainsi elle évite l’imposition d’une distribution particulière, par exemple la gaussienne. En plus de la composante tidale de la géolocalisation, le modèle incorpore deux états comportementaux, soit une activité forte et une activité faible, estimés directement à partir des données de profondeur, qui affectent le paramètre de diffusivité du modèle et améliorent significativement la précision et le réalisme de la géolocalisation. La nouvelle méthode donne accès à la distribution de probabilité de la position du poisson qui, à son tour, fournit une gamme de données statistiques descriptives utiles, telles que la piste la plus probable de déplacement. Nous comparons notre méthode avec les méthodes de rechange actuellement disponibles et discutons de son potentiel pour faire des déductions à partir de données provenant d’étiquettes à archivage.

Document Type: Research Article

Publication date: November 1, 2008

More about this publication?
  • Published continuously since 1901 (under various titles), this monthly journal is the primary publishing vehicle for the multidisciplinary field of aquatic sciences. It publishes perspectives (syntheses, critiques, and re-evaluations), discussions (comments and replies), articles, and rapid communications, relating to current research on cells, organisms, populations, ecosystems, or processes that affect aquatic systems. The journal seeks to amplify, modify, question, or redirect accumulated knowledge in the field of fisheries and aquatic science. Occasional supplements are dedicated to single topics or to proceedings of international symposia.
  • Information for Authors
  • Submit a Paper
  • Subscribe to this Title
  • Terms & Conditions
  • Sample Issue
  • Reprints & Permissions
  • Ingenta Connect is not responsible for the content or availability of external websites

Access Key

Free Content
Free content
New Content
New content
Open Access Content
Open access content
Subscribed Content
Subscribed content
Free Trial Content
Free trial content
Cookie Policy
Cookie Policy
Ingenta Connect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more