Assessing fishing policies for northeastern Brazil
Notice bibliographique
Résumé
Abstract. This study is a first contribution towards the development of ecosystem-based fisheries management in northeastern Brazil, through the exploration of fishing policies based on a trophic model (Ecopath with Ecosim). Our simulations for 1978-2028 indicated that current fishing effort is completely unsustainable for lobsters (Panulirus argus (Latreille, 1804) and Panulirus laevicauda (Latreille, 1817)) and swordfish (Xiphias gladius Linnaeus, 1758). The simulation of optimum fishing policies led to a diverse fleet configuration when ecosystem health (ecological scenario) was emphasized. If the main objective was economic or social (or a combination of both and ecosystem health), manual gathering of coastal resources and demersal industrial fisheries could be boosted, while the lobster and longline fisheries should be phased out. A 50 % reduction in effort for lobster fisheries would not produce significant changes in lobster biomass; a reduction in effort to the 1978-level (fMSY – effort leval corresponding to the maximum sustainable yield) would lead to biomass recovery. An improvement in the collection system of fishery statistics (catch and effort) is recommended, as well as further gathering information on biological, economic, and social components of this ecosystem and its fisheries. Key words: ecosystem modelling, Ecopath with Ecosim, fisheries management, trophic model,
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».