MétaCan
Menu
← Retour à la cohorte
Enregistrement W2021761910 · doi:10.1139/f04-243

Effects of variability in spacing of coastal marine reserves on fisheries yield and sustainability

2005· article· en· W2021761910 sur OpenAlexvenueno aff
David M. Kaplan, Louis W. Botsford

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesNational Science Foundation
Mots-clésMarine reserveFishingMarine protected areaNature reserveFisheryEnvironmental scienceSustainabilityEcologyMaximum sustainable yieldFisheries managementBiologyHabitat

Résumé

récupéré en direct d'OpenAlex

The size and configuration of marine reserves best suited to reaching fisheries and conservation goals are poorly understood. It has been suggested that variable spacing between reserves is essential to the success of a system of marine reserves. We used numerical models to examine the effect of variable spacing on the efficacy of marine reserves for managing a fish species with sedentary adults and planktonic larvae. Variability in reserve spacing affected catch and recruitment relative to values for a uniform configuration of reserves only for populations near collapse even in the presence of a system of reserves. For species with low fishing rates or large marine reserves, variability in spacing had only a minor effect. At high fishing rates and small reserve sizes, variable reserve placement had a positive local effect on catch and recruitment when several reserves fell close to each other. These configurations led to uneven spatial distributions with greater catch and recruitment in areas with a higher concentration of reserves. Variable reserve spacing can offer additional protection to overfished populations along certain sections of the coastline, but concern for spatial homogeneity will argue for a uniform distribution of reserves covering an adequate proportion of the entire coastline.

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)0,003
score de la tête « metaresearch » (Gemma)0,019
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,013
Tête enseignante GPT0,228
Écart entre enseignants0,216 · 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

Citations47
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

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