Uncertainties in fish tracking studies limit their integration into conservation and fisheries management plans. This is especially true for archival tagging studies that rely on geolocation models to infer fish tracks from recorded environmental variables. Hidden Markov Models (HMMs) are increasingly popular to geolocate marine fish equipped with archival tags; however, true errors and sensitivity of geolocation HMMs are seldom evaluated. In this study, we first review validation methods and implementations of geolocation HMMs to adapt to regional oceanography, fish species and tag data. We then use a case-study to evaluate strengths and limitations of each validation approach and to illustrate the sensitivity of geolocation HMMs to implementation assumptions. Simulated and fixed tag locations are the most widely implemented methods, but less common methods relying on true fish tracking, that is double-tagging or distance from recapture experiments, provide more informative estimates of model accuracy and precision. Results showed that model performance can be improved using simple assumptions when pre-processing tag data rather than using a complex movement behaviour model. In addition, accelerometer show potential to further parameterise geolocation models. Overall, results from our case-study and previous studies showed that current geolocation HMMs have average errors of ca. 30–50 and 120 km for demersal and large pelagic fish, respectively. We suggest that these errors are acceptable for investigations at the scale of fisheries management units.

中文翻译：

---

用于海洋鱼类跟踪的地理定位模型的验证和灵敏度的审查和测试

鱼类追踪研究的不确定性限制了它们与保护和渔业管理计划的整合。对于依赖地理定位模型从记录的环境变量中推断鱼类轨迹的档案标记研究尤其如此。隐马尔可夫模型 (HMM) 越来越流行用于对配备档案标签的海鱼进行地理定位；然而，很少评估地理定位 HMM 的真实错误和敏感性。在这项研究中，我们首先回顾了地理定位 HMM 的验证方法和实现，以适应区域海洋学、鱼类物种和标签数据。然后，我们使用案例研究来评估每种验证方法的优势和局限性，并说明地理定位 HMM 对实现假设的敏感性。模拟和固定标签位置是最广泛实施的方法，但不太常见的方法依赖于真正的鱼类跟踪，即双重标记或与重新捕获实验的距离，提供了对模型准确度和精确度的更多信息估计。结果表明，在预处理标签数据时，可以使用简单的假设而不是使用复杂的运动行为模型来提高模型性能。此外，加速度计显示出进一步参数化地理定位模型的潜力。总体而言，我们的案例研究和之前的研究结果表明，当前的地理定位 HMM 的平均误差约为 底层和大型中上层鱼类分别为 30-50 和 120 公里。我们建议这些错误对于渔业管理单位规模的调查是可以接受的。提供有关模型准确度和精确度的更多信息估计。结果表明，在预处理标签数据时，可以使用简单的假设而不是使用复杂的运动行为模型来提高模型性能。此外，加速度计显示出进一步参数化地理定位模型的潜力。总体而言，我们的案例研究和之前的研究结果表明，当前的地理定位 HMM 的平均误差约为 底层和大型中上层鱼类分别为 30-50 和 120 公里。我们建议这些错误对于渔业管理单位规模的调查是可以接受的。提供有关模型准确性和精确度的更多信息估计。结果表明，在预处理标签数据时，可以使用简单的假设而不是使用复杂的运动行为模型来提高模型性能。此外，加速度计显示出进一步参数化地理定位模型的潜力。总体而言，我们的案例研究和之前的研究结果表明，当前的地理定位 HMM 的平均误差约为 底层和大型中上层鱼类分别为 30-50 和 120 公里。我们建议这些错误对于渔业管理单位规模的调查是可以接受的。加速度计显示出进一步参数化地理定位模型的潜力。总体而言，我们的案例研究和之前的研究结果表明，当前的地理定位 HMM 的平均误差约为 底层和大型中上层鱼类分别为 30-50 和 120 公里。我们建议这些错误对于渔业管理单位规模的调查是可以接受的。加速度计显示出进一步参数化地理定位模型的潜力。总体而言，我们的案例研究和之前的研究结果表明，当前的地理定位 HMM 的平均误差约为 底层和大型中上层鱼类分别为 30-50 和 120 公里。我们建议这些错误对于渔业管理单位规模的调查是可以接受的。