MétaCan
Menu
← Retour à la cohorte
Enregistrement W2509822025 · doi:10.1139/cjfas-2016-0111

Dynamic of the Flemish Cap commercial stocks: use of a Gadget multispecies model to determine the relevance and synergies among predation, recruitment, and fishing

2016· article· en· W2509822025 sur OpenAlexvenueno aff
Alfonso Pérez‐Rodríguez, Daniel Howell, M. Casas, Fran Saborido‐Rey, A. Ávila-de Melo

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFishingFisheryGadusPredationOverexploitationContext (archaeology)CapelinNettingEcologyBiologyFish <Actinopterygii>Business

Résumé

récupéré en direct d'OpenAlex

Multispecies modeling is being increasingly accepted in stock assessment, especially in the context of an ecosystem approach to fisheries management (EAF). To achieve a future implementation of an EAF in the Flemish Cap, we present a multispecies model developed in Gadget, which covers the main commercial stocks over the period 1988–2012: cod (Gadus morhua), redfish (Sebastes spp.), and northern shrimp (Pandalus borealis). The model highlights the interdependent dynamic of these stocks and reveals strong interactions among recruitment, fishing, and predation (including cannibalism). These drivers have shown marked changes in their relative importance by species, age, and length over time, producing a transition from a traditional redfish- and cod-dominated system in the early 1990s to an intermediate shrimp and other fish species state by the late 1990s and in turn back to something close to the initial state by the late 2000s. The multispecies model developed in this paper shows that disregarding the species interactions would lead to serious underestimates of natural mortality and overestimations of the exploitable biomass and highlights the need to move beyond single-species management in this highly coupled ecosystem.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,947
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
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 Opus0,059
Tête enseignante GPT0,263
Écart entre enseignants0,204 · 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'étudeSimulation ou modélisation
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

Citations17
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

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