Skip to main content

Models and model selection uncertainty in estimating growth rates of endangered freshwater mussel populations

Buy Article:

$50.00 plus tax (Refund Policy)

Abstract:

Appropriate inference of population status for endangered species is extremely important. Using a single model for estimating population growth rates is typically inadequate for assessing endangered species because inferences based on only one “best” model ignore model uncertainty. In this study, the endangered dromedary pearlymussel (Dromus dromas) in the Clinch and Powell rivers of eastern Tennessee, USA, was used as an example to demonstrate the importance of multiple models, with consideration of environmental noises for evaluating population growth. Our results showed that more than one model deserves consideration in making inferences of population growth rate. A Bayesian model averaging approach was used to make inferences by weighting each model using the deviance information criterion. To test the uncertainty resulting from model selection and the efficiency of the Bayesian averaging approach, a simulation study was conducted on the dromedary pearlymussel populations, which showed that model selection uncertainty is very high. The results of these tests lead us to recommend using Bayesian model averaging to assess population growth status for endangered species, by balancing goodness-of-fit and selection uncertainty among alternate models.

Il est extrêmement important de déduire de façon appropriée le statut démographique des espèces menacées. L’utilisation d’un seul modèle pour estimer les taux de croissance démographique ne suffit généralement pas pour évaluer une espèce menacée parce que les déductions tirées d’un seul « meilleur » modèle ne tiennent pas compte de l’incertitude du modèle. Dans notre étude, nous utilisons la moule nacrée dromadaire (Dromus dromas), une espèce menacée, des rivières Clinch et Powell dans l’est du Tennessee, É.-U., comme exemple pour démontrer l’importance des modèles multiples, qui tiennent compte du bruit environnemental, pour évaluer la croissance de la population. Nos résultats montrent qu’il est nécessaire de tenir compte de plus d’un modèle lorsqu’on veut déduire le taux de croissance d’une population. Un modèle bayésien utilisant la méthode de la moyenne nous a servi à faire des déductions par pondération de chacun des modèles d’après le critère d’information de l’écart à la moyenne (« deviance information criterion »). Afin de vérifier l’incertitude associée à la sélection des modèles et l’efficacité de la méthode bayésienne par calcul des moyennes, nous avons fait des simulations des populations de moules nacrées dromadaires qui montrent que l’incertitude reliée à la sélection des modèles est très élevée. Les résultats de ces tests nous amènent à recommander l’utilisation du calcul de la moyenne des modèles bayésiens pour vérifier le statut de croissance des espèces menacées en équilibrant la précision de l’ajustement et l’incertitude de la sélection au sein des différents modèles de rechange.

Document Type: Research Article

Publication date: 2008-11-01

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 ContentFree content
  • Partial Free ContentPartial Free content
  • New ContentNew content
  • Open Access ContentOpen access content
  • Partial Open Access ContentPartial Open access content
  • Subscribed ContentSubscribed content
  • Partial Subscribed ContentPartial Subscribed content
  • Free Trial ContentFree trial content
Cookie Policy
X
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