MétaCan
Menu
Retour à la cohorte
Enregistrement W2072488225 · doi:10.1071/mf08283

Short-term climate variability and the commercial barramundi (Lates calcarifer) fishery of north-east Queensland, Australia

2009· article· en· W2072488225 sur OpenAlexaff
Jacqueline Balston

Notice bibliographique

RevueMarine and Freshwater Research · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensCarbon Engineering (Canada)
Organismes subventionnairesnon disponible
Mots-clésLatesBarramundiFisheryEnvironmental scienceHabitatEstuaryFishingProductivityEcologyGeographyBiologyFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

The sustainable productivity of estuarine fisheries worldwide is threatened by over-fishing, habitat destruction and water impoundment. In some cases, the natural variability of freshwater inputs has been shown to affect catch when low flows reduce nutrient input and inundated nursery habitats. Historically, the annual commercial catch of barramundi (Lates calcarifer) in Queensland has been highly variable for reasons not fully understood. In conjunction with a life-cycle model, statistical analyses of climate variables and barramundi catch data from the Princess Charlotte Bay area identified several significant relationships. Warm sea surface temperatures, high rainfall, increased freshwater flow and low evaporation (all measures of an extensive and productive nursery habitat) were significantly correlated with barramundi catch 2 years later and suggest that young barramundi survival is enhanced under these conditions. Catchability was significantly increased with high freshwater flow and rainfall events in the year of catch. A forward stepwise ridge regression model that included a measure of rainfall and evaporation 2 years before catch explained 62% of the variance in catch adjusted for effort. It is recommended that the impact of climate variability be considered in the management of wild barramundi stocks and possibly other species not yet examined.

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)0,003
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 enseignants0,074
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,048
Tête enseignante GPT0,311
Écart entre enseignants0,263 · 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

Citations25
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

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