MétaCan
Menu
Retour à la cohorte
Enregistrement W2150844962 · doi:10.1139/f01-044

Estimating predation mortality in the Georges Bank fish community

2001· article· en· W2150844962 sur OpenAlexvenueno aff
Tien-Shui Tsou, Jeremy S. Collie

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2001
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesNortheast Fisheries Science CenterFogarty International CenterNational Oceanic and Atmospheric Administration
Mots-clésPredationFishingBiomass (ecology)PredatorAbundance (ecology)PopulationBiologyStatisticsEcologyFisheryMathematicsEnvironmental scienceDemography

Résumé

récupéré en direct d'OpenAlex

Multispecies virtual population analysis (MSVPA) is one of the most successful methods of including predation in fishery models. By applying MSVPA to nine important fish species on Georges Bank, we estimated predation mortality of prey species, fishing mortality, and population abundance from 1978 to 1992. One of the inputs to the MSVPA, relative stomach content, was estimated by fitting gamma distributions to the logarithmic predator-to-prey size ratios. Chi-square tests indicated that the gamma distributions fit the observed ratios well. Predation mortality was highest at ages 0 and 1. Total biomass of all species remained relatively constant with decreasing predator biomass and increasing prey biomass. MSVPA requires extensive input data, and the uncertainty in the inputs will propagate into the model output. The sensitivity of MSVPA to perturbations in the inputs was assessed with a two-level fractional factorial design. Results of the sensitivity test indicated that MSVPA outputs were most sensitive to predator consumption rates and terminal fishing mortalities. With ±25% perturbations to the input parameters, MSVPA outputs varied within ±10% of the levels from the base run. Therefore, MSVPA appears to be relatively robust to uncertainty in the input data.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,909
Score d'incertitude au seuil0,181

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,051
Tête enseignante GPT0,279
Écart entre enseignants0,228 · 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

Citations52
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetMarine and fisheries researchTravaux en français237 207