MétaCan
Menu
Retour à la cohorte
Enregistrement W2115456289 · doi:10.1016/j.icesjms.2004.08.015

Considerations for using spawner reference levels for managing single- and mixed-stock fisheries of Atlantic salmon

2004· article· en· W2115456289 sur OpenAlexaff
Gérald Chaput

Notice bibliographique

RevueICES Journal of Marine Science · 2004
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésEscapementStock (firearms)SalmoFisheryEnvironmental scienceProductivityStock assessmentFishingFish <Actinopterygii>GeographyEconomicsBiology

Résumé

récupéré en direct d'OpenAlex

Abstract The probability of achieving the spawning requirement objective of Atlantic salmon (Salmo salar L.) is defined by the stochastic properties of small numbers and biological characteristics of the stock. The uncertainty in achieving the spawning escapement objective is greater for small stocks than for large ones, such that measures of annual performance are more variable for small stocks. Summing individual river spawner requirements into a regional requirement reduces the probability of meeting the objectives simultaneously in all rivers. Variations in productivity among stocks, when not accounted for, can result in under-escapement in areas of lower productivity. The impact of mixed-stock fisheries can be most important for small stocks, and especially if these are of low relative productivity. Increasing the regional spawner requirement in an attempt to compensate for lower productivity may alleviate the problem somewhat, but it is not a guaranteed solution to the challenge of protecting all stocks, specifically those of low productivity in mixed-stock fishery situations. Each mixed-stock fishery situation can be evaluated on a case-by-case basis using Monte Carlo techniques.

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)0,029
score de la tête « metaresearch » (Gemma)0,075
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,156

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,075
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0040,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,097
Tête enseignante GPT0,306
Écart entre enseignants0,210 · 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

Citations7
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueICES Journal of Marine ScienceMême sujetMarine and fisheries researchTravaux en français237 207