Spatial and temporal statistical analysis of bycatch data: patterns of sea turtle bycatch in the North Atlantic
Notice bibliographique
Résumé
Loggerhead ( Caretta caretta ) and leatherback ( Dermochelys coriacea ) sea turtle distributions and movements in offshore waters of the western North Atlantic are not well understood despite continued efforts to monitor, survey, and observe them. Loggerhead and leatherback sea turtles are listed as endangered by the World Conservation Union, and thus anthropogenic mortality of these species, including fishing, is of elevated interest. This study quantifies spatial and temporal patterns of sea turtle bycatch distributions to identify potential processes influencing their locations. A Ripley’s K function analysis was employed on the NOAA Fisheries Atlantic Pelagic Longline Observer Program data to determine spatial, temporal, and spatio-temporal patterns of sea turtle bycatch distributions within the pattern of the pelagic fishery distribution. Results indicate that loggerhead and leatherback sea turtle catch distributions change seasonally, with patterns of spatial clustering appearing from July through October. The results from the space–time analysis indicate that sea turtle catch distributions are related on a relatively fine scale (30–200 km and 1–5 days). The use of spatial and temporal point pattern analysis, particularly K function analysis, is a novel way to examine bycatch data and can be used to inform fishing practices such that fishing could still occur while minimizing sea turtle bycatch.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».