MétaCan
Menu
Retour à la cohorte
Enregistrement W2166295867 · doi:10.1139/f10-051

Detecting and correcting underreported catches in fish stock assessment: trial of a new method

2010· article· en· W2166295867 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
venuePublié dans une revue dont le pays d'attache est le Canada.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2010
Typearticle
Langueen
DomaineMathematics
ThématiqueCensus and Population Estimation
Établissements canadiensUniversité LavalFisheries and Oceans Canada
Organismes subventionnairesFisheries and Oceans CanadaCanada Research Chairs
Mots-clésGadusStock (firearms)OverfishingStock assessmentFisheryAtlantic codPopulationEconometricsEnvironmental scienceStatisticsGeographyFishingMathematicsFish <Actinopterygii>BiologyDemography

Résumé

récupéré en direct d'OpenAlex

Landings from fisheries are often underreported, that is, the true landings are greater than those reported. Despite this bias, reported landings are widely used in fish stock assessments, and this might lead to overoptimistic exploitation strategies. We construct a statistical stock assessment model that accounts for underreported landings using the theory of censoring with sequential population analysis (SPA). The new model is developed and implemented specifically for the cod stock ( Gadus morhua ) from the southern Gulf of St. Lawrence (Canada). This stock is known to have unreported overfishing during 1985–1992. We show in simulations that for this stock, the new censored model can correctly detect the problematic landings. These corrections are nearly insensitive to subjective boundaries placed on real catches and robust to modifications imposed in the simulation of landings. However, when surveys are too noisy, the new SPA for censored catches can result in increased uncertainty in parameters used for management such as spawning stock biomass and age-structured stock size.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,346
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,113
Tête enseignante GPT0,379
Écart entre enseignants0,266 · 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