MétaCan
Menu
← Retour à la cohorte
Enregistrement W2548414069 · doi:10.1139/cjfas-2016-0220

Effects of multispecies and density-dependent factors on MSY reference points: example of the Baltic Sea sprat

2016· article· en· W2548414069 sur OpenAlexvenueno aff
Jan Horbowy, Anna Luzeńczyk

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Commission
Mots-clésSpratMaximum sustainable yieldGadusDensity dependenceBaltic seaMathematicsEnvironmental scienceFisheryBiologyHerringFisheries managementPopulationOceanographyFish <Actinopterygii>Fishing

Résumé

récupéré en direct d'OpenAlex

In this paper, maximum sustainable yield (MSY) parameters for the Baltic Sea sprat (Sprattus sprattus) are estimated in relation to pressure from cod (Gadus morhua) predation and the influence of density dependence on sprat growth. This study is based on long-term deterministic and stochastic simulations in which sprat density-dependent growth and predation mortality are considered. The resultant model is a relatively simple tool that allows for streamlined analyses of problems typically approached using complex multispecies models. The analysis indicates that estimates of the MSY parameters (i.e., MSY and FMSY) and equilibrium biomass differ significantly between approaches that hold growth and natural mortality constant and those that allow for density-dependent growth and natural mortality. Based on the cod biomass observed in the 1980s, the MSY parameters estimated by a model that accounts for density-dependent growth and by a model assuming constant growth may differ by a factor of 2. As such, the MSY parameters decline (approximately linearly) with the size of the cod stock.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,062
Score d'incertitude au seuil0,123

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
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 Opus0,027
Tête enseignante GPT0,224
Écart entre enseignants0,197 · 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

Citations23
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→