MétaCan
Menu
Retour à la cohorte
Enregistrement W2032624732 · doi:10.1577/m08-034.1

Recovery Potential Assessment for Lake Sturgeon in Canadian Designatable Units

2009· article· en· W2032624732 sur OpenAlexaffabout
Luis A. Vélez‐Espino, Marten A. Koops

Notice bibliographique

RevueNorth American Journal of Fisheries Management · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésLake sturgeonAcipenserSturgeonJuvenileAbundance (ecology)FisheryPopulationHarmRange (aeronautics)Environmental scienceEcologyBiologyGeographyFish <Actinopterygii>Demography

Résumé

récupéré en direct d'OpenAlex

Abstract Significant declines in the abundance of lake sturgeon Acipenser fulvescens across most of its North American range have led to abundances less than 10% of estimated minimum sustainable population sizes and, in some locations, less than 1% of historic abundances. These precipitous declines in abundance have resulted in most lake sturgeon populations being considered a conservation concern and have prompted management actions toward recovery. Here we present modeling in support of a recovery potential assessment, using stage-structured matrix models and population viability analysis to quantitatively assess allowable harm, recovery efforts, probabilities of recovery, and recovery time frames. From this assessment, we conclude that lake sturgeon populations are most sensitive to harm on adult survival and that some designatable units are highly sensitive to any level of harm. However, the scope for recovering lake sturgeon by improving adult survival is limited; instead, larger proportional increases in population growth rates can be achieved by focusing recovery efforts on age-0 and juvenile survival. Finally, based on a recovery target of 1,188 spawning females/year for each discrete population and current abundances from 1% to 10% of this target, long-term projections indicate recovery time frames ranging from 20 to over 100 years, depending on the recovery actions implemented.

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 candidatesaucune
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 enseignants0,582
Score d'incertitude au seuil0,745

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 technologies0,0000,000
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 Opus0,008
Tête enseignante GPT0,211
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 tête enseignante, 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

Citations69
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNorth American Journal of Fisheries ManagementMême sujetFish Ecology and Management StudiesTravaux en français237 207