MétaCan
Menu
← Retour à la cohorte
Enregistrement W1987180110 · doi:10.1139/f07-156

An age-structured model with leading management parameters, incorporating age-specific selectivity and maturity

2008· article· en· W1987180110 sur OpenAlexfundvenueno aff
Robyn E. Forrest, Steven J.D. Martell, Michael C. Melnychuk, Carl J. Walters

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaDirectorate for Biological Sciences
Mots-clésMaximum sustainable yieldStock (firearms)Semelparity and iteroparityMathematicsStatisticsEconometricsStock assessmentBayesian probabilityFisheries managementLife historyFisheryBiologyEcologyFishingGeography

Résumé

récupéré en direct d'OpenAlex

Previous authors have shown analytically that the optimal equilibrium harvest rate (UMSY) for an iteroparous fish stock is a function of the slope of the stock-recruitment curve at low stock size (α) and that UMSY can therefore be considered a direct measure of stock productivity. As such, it can be used as a leading parameter in stock assessment models and directly estimated using Bayesian or similar techniques. Here we present an alternative method for deriving α from UMSY that incorporates age-specific selectivity and fecundity, avoiding assumptions of knife-edged recruitment and maturity. We present an age-structured model with two fisheries reference points (UMSY and maximum sustainable yield, MSY) as its leading parameters. We show equilibrium properties of the model, chiefly in terms of its ability to show relationships between life history traits, density dependence, and UMSY. We also demonstrate a simple Bayesian estimation routine to illustrate estimation of UMSY and MSY directly from data. We compare our results to those from a structurally identical model with leading biological parameters. Using models with leading management parameters can improve communicability of results to managers.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,018
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0030,001
Intégrité de la recherche0,0030,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,034
Tête enseignante GPT0,229
Écart entre enseignants0,195 · 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

Citations41
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

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