Biological oceanography and fisheries management: perspective after 10 years
Notice bibliographique
Résumé
Abstract Platt, T., Sathyendranath, S., and Fuentes-Yaco, C., 2007. Biological oceanography and fisheries management: perspective after 10 years. – ICES Journal of Marine Science, 64: 863–869. Despite 100 years of research into the relationship between oceanographic factors and fish recruitment, it has proved very difficult to demonstrate causal connections between properties of the marine ecosystem and the success of fisheries. Some authors have been led to conclude that such causal connections, therefore, do not exist: a corollary would be that biological oceanography is of limited relevance to fisheries issues. However, it would be premature to dismiss biological oceanography as a tool in fisheries management. If we have not been able to implicate ecosystem factors as a significant source of variance in fish recruitment, it may be because the search has been conducted at an inappropriate scale, a consequence of the limitations of ships as oceanographic platforms. The advent of remotely sensed data from satellites greatly extends the scales of time and space at which synoptic oceanography can be carried out. Access to such data allows a wider range of hypotheses to be tested, than is possible with ships alone, on the relationship between ecosystem factors and recruitment. Applications in both the Atlantic and Pacific have demonstrated strong fluctuations between years in the timing and the intensity of phytoplankton dynamics, with implications for recruitment and growth of exploited populations of fish and invertebrates. The results provide essential intelligence for those charged with stewardship of the marine environment.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,004 | 0,010 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,006 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».