MétaCan
Menu
← Retour à la cohorte
Enregistrement W2921852133 · doi:10.1139/cjfas-2018-0302

Modeling the distribution of thorny skate (<i>Amblyraja radiata</i>) in the southern Grand Banks (Newfoundland, Canada)

2019· article· en· W2921852133 sur OpenAlexvenueaboutno aff
María Grazia Pennino, Elena Guijarro-García, Raúl Vilela, José Luis del Rı́o, J.M. Bellido-Millán

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Commission
Mots-clésBycatchRadiataRugosityFisherySkateAbundance (ecology)BathymetryHabitatGeographyBiomass (ecology)EcologyPopulationFishingBiology

Résumé

récupéré en direct d'OpenAlex

Globally, commercial fisheries have had a strong impact on elasmobranch populations directly through high catch rates and indirectly through bycatch. Consequently, the abundance of many species is declining to the extent that some are considered under threat of extinction. Regionally, this negative trend is also evident in the international waters of the southern Grand Banks (off the coast of Newfoundland, Canada), where the occurrence of the thorny skate (Amblyraja radiata) has declined by nearly 70% in recent decades. This study used Bayesian species distribution models to investigate the habitat preference and biomass trends of the thorny skate during a 14-year period (2003–2017), linking five environmental predictors (i.e., bathymetry, sea bottom temperature, seabed aspect, slope, and rugosity) and prey distribution with fishery-independent data. Our findings identify some of the sensitive habitats for this species and the ecological factors that may be driving its population dynamics in the area. We argue that knowledge about the factors influencing the distribution of this species and spatiotemporal effects could be exploited as potential mitigation measures for future fishery management strategies.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,092
Score d'incertitude au seuil0,185

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,010
Tête enseignante GPT0,186
Écart entre enseignants0,176 · 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
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetFish Ecology and Management Studies→Travaux en français237 207→