MétaCan
Menu
Retour à la cohorte
Enregistrement W2003725016 · doi:10.1080/02755947.2014.902408

Managing a Marine Stock Portfolio: Stock Identification, Structure, and Management of 25 Fishery Species along the Atlantic Coast of the United States

2014· article· en· W2003725016 sur OpenAlexaboutno aff
Richard S. McBride

Notice bibliographique

RevueNorth American Journal of Fisheries Management · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesNew York Sea Grant, State University of New YorkAtlantic States Marine Fisheries Commission
Mots-clésFisheryBiologyClupeaFish migrationAlosaAtlantic herringHerring

Résumé

récupéré en direct d'OpenAlex

Abstract In this review, stock identification methods used, resulting stock numbers and boundaries, and assessment and management context were explored for all 25 species managed by the Atlantic States Marine Fisheries Commission (ASMFC). This included invertebrates and vertebrates distributed between Maine and Florida, with a few species ranging across all these states and some ranging into the Gulf of Mexico and the Canadian Maritimes. The effects of larval dispersal or mixing of adults in the marine environment were evident. Marine and catadromous spawners were recognized and treated as a unit stock (e.g., northern shrimp Pandalus borealis, American Eel Anguilla rostrata, Atlantic menhaden Brevoortia tyrannus, Bluefish Pomatomus saltatrix, Tautog Tautoga onitis), a metapopulation (American lobster Homarus americanus, Atlantic Herring Clupea harengus), or two stocks, north and south of Cape Hatteras, a major biogeographic boundary, (Black Sea Bass Centropristis striata, Scup Stenotomus chrysops, Red Drum Sciaenops ocellatus, Summer Flounder Paralichthys dentatus). Estuarine and anadromous spawners were structured and managed at a finer spatial scale (horseshoe crab Limulus polyphemus, Atlantic Sturgeon Acipenser oxyrinchus, American Shad Alosa sapidissima and the river herrings Blueback Herring A. aestivalis and Alewife A. pseudoharengus, and Spotted Seatrout Cynoscion nebulosus). A broad suite of stock identification methods have been applied to ASMFC species and reviewed here in five categories: life history traits, other phenotypic traits, genetic traits, natural marks, and applied marks. An interdisciplinary mix of methods has been achieved for a few species (Striped Bass Morone saxatilis, Winter Flounder Pseudopleuronectes americanus), but only a few or no stock identification methods have been applied to others (Spiny Dogfish Squalus acanthias, Hickory Shad A. mediocris, Spot Leiostomus xanthurus, Spanish Mackerel Scomberomorus maculatus). Clinal phenotypic variation has contributed to several long-standing debates about stock structure; some of these have been recently reevaluated as a unit stock (Atlantic Croaker Micropogonias undulatus, Weakfish Cynoscion regalis), and others are still debated. For some ASMFC species, other priorities (e.g., bycatch) dominate the uncertainty of the assessment or management process. Otherwise, stock identification remains a research priority for most of these species. Continued research of this subject should consider (1) research priorities tabulated by ASMFC review panels, (2) strategic use of interdisciplinary stock identification methods, (3) use of experiments or reaction norms to separate phenotypes from genotypes, (4) genetic surveys at a seascape scale, (5) demonstration of contingent (nongenetic) structure and its implications for management, and (6) simulation modeling. Obstacles to adopting finer-scale structure into assessments or management of ASMFC fisheries include: (1) multiple stock units are apparent but boundaries are not clear, (2) monitoring requirements for smaller areas or for mixed-stock catches are not cost effective, or (3) mixing rates within a metapopulation or across biogeographic boundaries are poorly described. Received May 8, 2013; accepted March 3, 2014

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,009
Tête enseignante GPT0,213
Écart entre enseignants0,203 · 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'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

Citations21
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNorth American Journal of Fisheries ManagementMême sujetMarine and fisheries researchTravaux en français237 207