Optimization of Sampling of Small Pelagic Fishes in the Exclusive Economic Zone of Senegal under the Climate Impact
Notice bibliographique
Résumé
Senegal is in a very favourable geographical position for sea fishing. Its coast has an upwelling favouring a good development of phytoplankton very appreciated by the various fish families that populate its Exclusive Economic Zone (EEZ). The little pelagic fish make up the majority of landings. The dynamics of this family of resources is very complex while its perfect mastery is essential for a fishing well controlled maritime. The mathematical models that exist in the literature have not address the different issues related to maritime fisheries and climate change in the Senegalese fishing areas. The linear programming model in integer numbers has been developed after calculation of equilibrium biomass, catches at equilibrium catchability by the application of Schaefer and Freon models in the Senegalese Economic Exclusive Zone. Two proposals have been developed to better explain the tools used in the writing of the mathematical model. The simulation results were led to the design of a linear integer Program (PLNE). The objective is to maximize the biomass of this family of fish resources on the Petite C\^ote, Grande C\^ote and Cape Verde depending on samples and climate change. In the application of the model, real data made it possible to test the Linear program in integer numbers obtained. This optimization study allowed us to find an effective way to maximize recruitment within this resource family. This consists in setting up several less expensive marine refuges to build in the fishing zones targeted by the study. The simulation computer program of the model is presented in the appendix.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 tête enseignante, 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 ».