MétaCan
Menu
← Retour à la cohorte
Enregistrement W2547294898 · doi:10.1139/cjfas-2016-0067

Modeling the implications of stock mixing and life history uncertainty of Atlantic bluefin tuna

2016· article· en· W2547294898 sur OpenAlexaffvenue
Lisa A. Kerr, Steven X. Cadrin, David H. Secor, Nathan Taylor

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesNational Oceanic and Atmospheric Administration
Mots-clésTunaOtolithFisheryStock (firearms)PopulationStock assessmentGeographyEnvironmental scienceOceanographyBiologyFishingGeologyFish <Actinopterygii>Demography

Résumé

récupéré en direct d'OpenAlex

Atlantic bluefin tuna (Thunnus thynnus) is currently managed as two separate eastern and western stocks, despite information indicating considerable stock mixing. Using a simulation model, we explored how scenarios of population-specific migration and uncertainty in aspects of bluefin tuna biology affect the magnitude, distribution, and mixed stock nature of the resource and catch of its associated fisheries. The analytical framework was a stochastic, age-structured, stock-overlap model that was seasonally and spatially explicit with movement of eastern- and western-origin tuna informed by tagging and otolith chemistry data. Alternate estimates of movement and assumptions regarding maturity and recruitment regime for western-origin fish were considered. Simulation of the operating model indicated considerable stock mixing in the western and central Atlantic, which resulted in differences between the stock and population view of western bluefin tuna. The relative biomass of the western population and its spatial and temporal distribution in the Atlantic was sensitive to model assumptions and configurations. Simulation modeling can provide a means to ascertain the potential consequences of stock mixing on the assessment and management of fishery resources.

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)0,006
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 enseignants0,063
Score d'incertitude au seuil0,125

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
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 Opus0,043
Tête enseignante GPT0,236
Écart entre enseignants0,193 · 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

Citations31
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

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