Estimating legal and illegal catches of Russian sockeye salmon from trade and market data
Notice bibliographique
Résumé
Abstract Clarke, S. C., McAllister, M. K., and Kirkpatrick, R. C. 2009. Estimating legal and illegal catches of Russian sockeye salmon from trade and market data. – ICES Journal of Marine Science, 66: 532–545. To address concerns about the conservation of Russian sockeye salmon (Oncorhynchus nerka) in the face of potentially large-scale illegal, unreported, and unregulated (IUU) fishing activities, we estimated the quantities of sockeye caught in eastern Russia based on trade data from Japan, China, and Korea. In addition to being a fishery-independent estimate, our approach avoids reliance on Russian customs documentation that may not capture quantities of fish transhipped at sea. Using a Bayesian statistical model, we estimate quantities imported and traded in municipal markets as two separate estimates of the actual Russian sockeye catch. To estimate the “excess” catch deriving from IUU fishing operations, these trade-based estimates of catch are compared with official Russian catch figures. The results support (posterior probabilities 0.72 to >0.99) the hypothesis that there are substantial quantities of excess catch of Russian sockeye making their way to East Asian markets. In the years 2003–2005, the median quantities of annual excess catch were estimated to range from 8000 to 15 000 t, representing a value of US$40–74 million and demonstrating that actual catches are 60–90% above reported levels.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».