MétaCan
Menu
Retour à la cohorte
Enregistrement W2047957019 · doi:10.1577/m06-076.1

Effects of Angling on Chinook Salmon for the Nicola River, British Columbia, 1996–2002

2007· article· en· W2047957019 sur OpenAlexaffabout
Laura Cowen, Nicole Trouton, R. E. Bailey

Notice bibliographique

RevueNorth American Journal of Fisheries Management · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensFisheries and Oceans CanadaUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésChinook windOncorhynchusFisheryFishingCatch and releaseRecreational fishingFish <Actinopterygii>Fisheries managementMortality rateGeographyBiologyDemography

Résumé

récupéré en direct d'OpenAlex

Abstract To sustain viable fish populations, protect stocks of wild salmon Oncorhynchus spp., and successfully manage the Pacific salmon fishery, all sources of fishing mortality need to be understood. The fishery targeting Chinook salmon O. tshawytscha is an important component of the commercial, recreational, and First Nations fisheries in British Columbia. A mark–recovery study was used to investigate the effect of angling on both the immediate hooking mortality and subsequent spawning success of Chinook salmon in the Nicola River, British Columbia, from 1996 to 2002. The immediate hooking mortality rate was lower than mortality rates reported for marine and other freshwater fisheries. Higher hooking mortality rates were found for fish hooked in critical locations, which were associated with heavy bleeding. However, increased bleeding did not translate into reduced spawning success for those fish that survived. Conclusions regarding hook size and its association with hooking mortality rate and spawning success remain unclear. Using optimal techniques and under the right conditions, catch-and-release angling can be an effective conservation and management tool.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,242
Score d'incertitude au seuil0,487

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,004
Tête enseignante GPT0,188
Écart entre enseignants0,184 · 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

Citations13
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

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