MétaCan
Menu
← Retour à la cohorte
Enregistrement W1969990044 · doi:10.1139/cjfas-2014-0471

Modelling age-dependent movement: an application to red and gag groupers in the Gulf of Mexico

2015· article· en· W1969990044 sur OpenAlexaffvenue
Thomas R. Carruthers, John F. Walter, Murdoch K. McAllister, Meaghan D. Bryan

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesSoutheast Fisheries Science Center
Mots-clésGrouperFisheryPopulationMaximum sustainable yieldSpatial distributionSerranidaeSubmarine pipelineGeographyBiologyFisheries managementOceanographyFish <Actinopterygii>FishingGeologyRemote sensingDemography

Résumé

récupéré en direct d'OpenAlex

We develop and test spatial population dynamics models that estimate age-dependent offshore movement of fish populations from spatial fishery data. Spatially aggregated population dynamics models produced biased estimates of maximum sustainable yield (MSY) reference points when spatial dynamics were simulated. Spatial population dynamics models provided relatively unbiased estimates of MSY reference points regardless of whether spatial dynamics were simulated. We demonstrate that by using conventional fishery data that are disaggregated spatially, it is possible to estimate movement with age and obtain more accurate estimates of management reference points. The new spatial models were fitted to data for Gulf of Mexico red grouper (Epinephelus morio) and gag grouper (Mycteroperca microlepis) to estimate spatial distribution and offshore movement with age. Offshore ontogeny was estimated to be stronger for gag grouper than red grouper and predicted a larger fraction of older gag grouper in deeper waters.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,246
Score d'incertitude au seuil0,489

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,042
Tête enseignante GPT0,250
Écart entre enseignants0,208 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetMarine and fisheries research→Travaux en français237 207→