MétaCan
Menu
← Retour à la cohorte
Enregistrement W2116337250 · doi:10.1139/f10-165

Identifying nonproportionality of fishery-independent survey data to estimate population trends and assess recovery potential for cusk (<i>Brosme brosme</i>)

2011· article· en· W2116337250 sur OpenAlexaffvenueabout
T. D. Davies, Ian D. Jonsen

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésFisheryIndex (typography)PopulationGeographyThreatened speciesPopulation declinePopulation modelBiomass (ecology)Environmental scienceEcologyHabitatDemographyBiologyComputer science

Résumé

récupéré en direct d'OpenAlex

Cusk ( Brosme brosme ) was designated as “threatened” by the Committee on the Status of Endangered Wildlife in Canada (COSEWIC) in 2003, based on an estimated 93% decline between 1970 and 2001 from the Fisheries and Oceans Canada (DFO) Scotian Shelf summer bottom trawl survey index. We combined this index with a fishery-dependent longline index in a Bayesian surplus production state-space model to estimate population trends and the recovery potential of western Scotian Shelf cusk. We tested for index nonproportionality using a power curve function in the observation model and identified potential hyperdepletion for cusk in the trawl survey index. We estimate a 59% decline in cusk biomass between 1970 and 2001, and a 64% decline from 1970 to 2007. Although population projections indicate the current landing limit should lead to population recovery, robustness tests suggest the biomass projections and recovery time lines are overly optimistic. Simulations showed that incorporating multiple indices increases power to recapture model parameters and failure to account for index nonproportionality results in biased parameter estimates. We suggest that nonproportionality of fishery-independent indices must be considered when determining the population status of data-poor species.

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)0,019
score de la tête « metaresearch » (Gemma)0,061
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 enseignants0,031
Score d'incertitude au seuil0,100

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,061
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,140
Tête enseignante GPT0,331
Écart entre enseignants0,190 · 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

Citations15
Publié2011
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetMarine and fisheries research→Travaux en français237 207→