Accounting for marine reserves using spatial stock assessments
Notice bibliographique
Résumé
Some fish stock assessments are conducted in regions that contain no-take marine reserves (NTMRs). NTMRs are expected to lead to spatial heterogeneity in fish biomass by allowing a buildup of biomass inside their borders while fishing pressure occurs outside. Stock assessments do not typically account for spatial heterogeneity caused by NTMRs, which may lead to biased estimates of biomass. Simulation modeling is used to analyze the ability of several stock assessment configurations to estimate current biomass after the implementation of a single, large NTMR. Age-structured spatial operating models with three patterns of ontogenetic movement are used to represent the “true” population dynamics. Results show that assessing populations as a single stock with use of fishery catch-rate data and without accounting for the NTMR results in severe underestimation of biomass for two of the movement patterns. Omitting fishery catch-rate data or allowing time-varying dome-shaped selectivity after NTMR implementation leads to improved estimates of current biomass, but severe bias in estimated trends in biomass over time. Performing separate assessments for fished areas and NTMRs leads to improved estimation performance in the absence of movement among assessment areas, but can severely overestimate biomass otherwise. Performing a spatial assessment with estimation of movement parameters among areas was found to be the best way to assess a species, even when movement patterns were unknown. However, future work should explore the performance of spatial assessments when catchability varies among areas.
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 | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».