Simple Modeling to Inform Harvest Strategy Policy for a Data-Moderate Crab Fishery
Notice bibliographique
Résumé
Abstract Attempts to model the giant mud crab Scylla serrata fishery in the Northern Territory (Australia), have often been complex and the results difficult to interpret, leading to divergent estimates of fishing mortality. This has hindered the development of meaningful management policy. Additionally, analyses based on the entire Northern Territory fishery have masked the extreme variation in catches observed along the Gulf of Carpentaria coast. We applied a structurally simple model to visualize the historical patterns in stock size, recruitment, fishing mortality, and fishing mortality at maximum sustainable yield in the western Gulf of Carpentaria mud crab fishery (WGOCMCF) from 1983 to 2017. We also projected future catch and female spawning stock biomass (FSSB) under positive, neutral, and negative recruitment scenarios for three closure periods contained in the fishery harvest strategy (which start in October, if triggered) and compared these with the results of equivalent closures beginning in September. This exercise was undertaken because of known and significant changes in the proportion of fishing effort across different months as well as large variations in the proportion of females harvested each month (with both factors being particularly low in December). These differences were annualized and incorporated into the yearly time step of the model. Predicted catch and FSSB were similar for shorter closure periods (3 or 6 weeks), irrespective of the starting month. However, initiating a 3-month closure in September rather than October could lead to a 16–17% increase in FSSB under negative and average recruitment anomalies, imposing a 9–10% reduction in predicted catch. Based on our experience applying a simple model to the WGOCMCF, we also describe processes and practices that could improve the quality of assessment data for this and other data-moderate crab fisheries.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».