MétaCan
Menu
Retour à la cohorte
Enregistrement W2994669936 · doi:10.1093/icesjms/fsz230

Estimating stock status from relative abundance and resilience

2019· article· en· W2994669936 sur OpenAlexaff
Rainer Froese, Henning Winker, Gianpaolo Coro, Nazlı Demirel, Athanassios C. Tsikliras, Donna Dimarchopoulou, Giuseppe Scarcella, Maria Lourdes D. Palomares, Manuel Dureuil, Daniel Pauly

Notice bibliographique

RevueICES Journal of Marine Science · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensDalhousie UniversityUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésStock (firearms)Relative species abundanceStock assessmentEnvironmental scienceEconometricsStatisticsAbundance (ecology)EconomicsGeographyMathematicsFisheryFishingBiology

Résumé

récupéré en direct d'OpenAlex

Abstract The Law of the Sea and regional and national laws and agreements require exploited populations or stocks to be managed so that they can produce maximum sustainable yields. However, exploitation level and stock status are unknown for most stocks because the data required for full stock assessments are missing. This study presents a new method [abundance maximum sustainable yields (AMSY)] that estimates relative population size when no catch data are available using time series of catch-per-unit-effort or other relative abundance indices as the main input. AMSY predictions for relative stock size were not significantly different from the “true” values when compared with simulated data. Also, they were not significantly different from relative stock size estimated by data-rich models in 88% of the comparisons within 140 real stocks. Application of AMSY to 38 data-poor stocks showed the suitability of the method and led to the first assessments for 23 species. Given the lack of catch data as input, AMSY estimates of exploitation come with wide margins of uncertainty, which may not be suitable for management. However, AMSY seems to be well suited for estimating productivity as well as relative stock size and may, therefore, aid in the management of data-poor stocks.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,011
Tête enseignante GPT0,272
Écart entre enseignants0,261 · 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

Citations78
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueICES Journal of Marine ScienceMême sujetMarine and fisheries researchTravaux en français237 207