MétaCan
Menu
Retour à la cohorte
Enregistrement W2922126243 · doi:10.1002/mcf2.10068

Simple Modeling to Inform Harvest Strategy Policy for a Data-Moderate Crab Fishery

2019· article· en· W2922126243 sur OpenAlexafffund
Mark A. Grubert, Carl J. Walters, Rik C. Buckworth, Shane Penny

Notice bibliographique

RevueMarine and Coastal Fisheries · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesUniversity of British ColumbiaCharles Darwin UniversityAustralian Government
Mots-clésCarpentariaFishingFisheryStock (firearms)EscapementStock assessmentFisheries managementBycatchGeographyBiology

Résumé

récupéré en direct d'OpenAlex

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,750
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,003
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,042
Tête enseignante GPT0,285
Écart entre enseignants0,243 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations6
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMarine and Coastal FisheriesMême sujetMarine and fisheries researchTravaux en français237 207