Is catch proportional to nominal effort? Conceptual, fleet dynamic, and statistical considerations in catch standardization
Notice bibliographique
Résumé
Often, catch-per-unit-effort (CPUE) standardizations are used to reflect fish abundance. This implies that catch is directly proportional to effort. We examine this using 78 reported catch and effort series in a meta-analysis, correcting for errors-in-variables in the relationship. Though proportionality in the apparent relationship is the average, there is significant variation among fisheries. We then examine the Scotian Shelf haddock (Melanogrammus aeglefinus) fishery in detail. We used a generalized linear mixed model (GLMM) predicting catch-per-set, accounting for annual and within-year variation in fish, fleet activity, aggregation, and vessel locations and differences. In individual trawls, the catch was less than expected from a proportional relationship with effort. The GLMM revealed both interference and facilitation among vessels as well as autocorrelation among sets. The greatest impact on coefficient estimates was seen by allowing the effort coefficient to vary. Temporal aggregation made the catch–effort relationship appear more proportional. We recommend that fisheries researchers standardize catch explicitly, rather than CPUE, and use disaggregated data to more closely match the underlying relationships in the fisheries being examined.
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 | 0,306 | 0,509 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,008 |
| Bibliométrie | 0,005 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,013 |
| Communication savante | 0,006 | 0,010 |
| Science ouverte | 0,008 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,006 |
| 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 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 ».