MétaCan
Menu
Retour à la cohorte
Enregistrement W3032527587 · doi:10.1111/fme.12434

Effect of baiting gillnets in the Canadian Greenland halibut fishery

2020· article· en· W3032527587 sur OpenAlexafffundabout
Shannon M. Bayse, Scott M. Grant

Notice bibliographique

RevueFisheries Management and Ecology · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNational Research Council Canada
Mots-clésBycatchHalibutFisheryCatch per unit effortElectrofishingFishingPortunidaeLeopardusBiologyGeographyDecapodaFish <Actinopterygii>Crustacean

Résumé

récupéré en direct d'OpenAlex

Abstract Catch rates were compared between gillnets with and without bait in the Greenland halibut Reinhardtius hippoglossoides (Walbaum) fishery off Baffin Island, Canada. Two different types of baiting techniques were compared: bait bags where squid were placed into 2‐mm mesh bags, and tied bait where squid were tied into meshes. Both types of baited gillnets significantly increased the capture of the target species, Greenland halibut, with increases of 253.8% and 149.7% for the bait bag and tied bait, respectively. Common bycatch species showed mixed effects, with roughhead grenadier Macrourus berglax Lacépède showing no increase in catch per unit effort (CPUE) for either bait type ( p &gt; 0.05), and porcupine crab Neolithodes grimaldii (Milne‐Edwards and Bouvier) only had a higher CPUE with baited gillnets when bait bags were placed on the footrope. Less common bycatch species—but with threatened populations—showed an increase in CPUE, including Greenland shark Somniosus microcephalus (Bloch and Schneider) and Northern wolffish Anarhichas denticulatus Krøyer. Baiting gillnets affected the CPUE of gillnets in the Greenland halibut fishery, and management should consider how the increased CPUE of both target and bycatch species are affected by this new fishery trend.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,483
Score d'incertitude au seuil0,996

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 GPT0,209
Écart entre enseignants0,198 · 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'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

Citations14
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFisheries Management and EcologyMême sujetMarine and fisheries researchTravaux en français237 207