MétaCan
Menu
Retour à la cohorte
Enregistrement W1991033854 · doi:10.1071/mf05173

Growth trends of Queensland east coast Spanish mackerel (Scomberomorus commerson) from otolith back-calculations

2006· article· en· W1991033854 sur OpenAlexaff
Aaron C. Ballagh, Gavin A. Begg, Amos Mapleston, Andrew J. Tobin

Notice bibliographique

RevueMarine and Freshwater Research · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensBC Research (Canada)
Organismes subventionnairesnon disponible
Mots-clésOtolithFisheryMackerelEast coastGeographyScombridaeOceanographyFish <Actinopterygii>BiologyGeologyTuna

Résumé

récupéré en direct d'OpenAlex

The growth of narrow-barred Spanish mackerel (Scomberomorus commerson) was examined over a broad spatial scale encompassing the east coast of Queensland, Australia. Our aim was to use back-calculation to identify potential biases in growth estimation, and to provide a more recent estimate of growth for Spanish mackerel on the east coast of Queensland. Growth trends were determined using the body proportional hypothesis (BPH) back-calculation model and compared between back-calculated and observed length-at-age data. The back-calculated von Bertalanffy growth function parameters estimated for males and females, respectively, were L8 = 1047 mm, K = 0.75, t0 = –0.18 and L8 = 1248 mm, K = 0.51 and t0 = –0.39. Significant differences in growth of Spanish mackerel sampled among different regions along the east coast were observed. A comparison of back-calculated and observed length-at-age data revealed significant biases in the observed length-at-age data for younger aged fish. Our findings contrast with previous estimates of growth for Spanish mackerel from the east coast of Queensland and highlight the use of back-calculation for the first few annuli as a means of avoiding biases in growth estimation arising from gear selectivity associated with fishery-dependent samples of fast-growing fish.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,303
Score d'incertitude au seuil0,962

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0390,000

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 Opus0,034
Tête enseignante GPT0,273
Écart entre enseignants0,239 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations18
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMarine and Freshwater ResearchMême sujetMarine and fisheries researchTravaux en français237 207