MétaCan
Menu
← Retour à la cohorte
Enregistrement W2982605914 · doi:10.1139/cjfas-2019-0210

Management strategies for spasmodic stocks: a Canadian Atlantic redfish fishery case study

2019· article· en· W2982605914 sur OpenAlexaffvenueabout
Roberto Licandeo, Daniel E. Duplisea, Caroline Senay, Julie R. Marentette, Murdoch K. McAllister

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensFisheries and Oceans CanadaUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSebastesFisheryOverfishingFisheries managementFish stockManagement strategyAbundance (ecology)Fish <Actinopterygii>BusinessBiologyFishing

Résumé

récupéré en direct d'OpenAlex

There exist few recommendations for managing stocks with spasmodic recruitment, despite such stocks being not uncommon. Management procedures (MPs), developed for two species of redfish (Sebastes mentella and Sebastes fasciatus) in eastern Canada, are recommended for setting catch limits during periods of high and low abundance. A well-designed fishery-independent trawl survey is essential to provide advance warning of strong recruitment events and project future recruitment. Under an “inventory management” strategy, a more appropriate aim in spasmodic stocks may be to maximize the number of years with “good catches,” instead of maximizing total catches, as is traditionally considered in management strategy evaluation (MSE). Following a spasmodic recruitment event, an empirical harvest control rule based on larger fish delays the harvest of large cohorts by a few years, targets more commercially valuable fish sizes, and reduces the risk of growth overfishing. Capped MPs produced longer periods of large catches than uncapped MPs. MPs allowed for low harvests during periods of low abundance, thus avoiding unnecessary hardship in the industry. MPs evaluated here could be good candidates for other stocks with similar or less extreme recruitment variability.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,136

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,024
Tête enseignante GPT0,247
Écart entre enseignants0,222 · 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'étudeObservationnel
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

Citations16
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetMarine and fisheries research→Travaux en français237 207→