MétaCan
Menu
Retour à la cohorte
Enregistrement W3045579780 · doi:10.3389/fmars.2020.00623

Assessments of 15 Exploited Fish Stocks in Chinese, South Korean and Japanese Waters Using the CMSY and BSM Methods

2020· article· en· W3045579780 sur OpenAlexaff
Cui Liang, Weiwei Xian, Daniel Pauly

Notice bibliographique

RevueFrontiers in Marine Science · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensUniversity of British ColumbiaFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésFishingFisheryStock (firearms)Stock assessmentFish <Actinopterygii>Fish stockEnvironmental scienceGeographyComputer scienceBiology

Résumé

récupéré en direct d'OpenAlex

The status of fifteen marine fish and invertebrate populations exploited by Chinese, South Korean or Japanese fishing fleets were assessed, using two newly developed computer-intensive methods, CMSY and BSM. The results show that among these fifteen populations in question, 2 have collapsed, 3 are grossly over-fished and 9 are overfished. Also, we compared results of the CMSY and BSM methods, and it shows that, while the CPUE data for use with the BSM method lead to narrower confidence intervals and may modify the shape of the biomass trajectory, they do not lead to over- or underestimates of terminal B/BMSY values. These results, although still tentative because the methods used to generate them are relatively new, generally match what is known of the status and exploitation of the populations in question, which makes CMSY and BSM to be promising stock assessment approaches in data-sparse situations. Based on our results, a consistent signal is obtained, thus suggesting that a reduction in fishing pressure would be necessary to restore the abundance status of these fifteen populations.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,093
Score d'incertitude au seuil0,518

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,028
Tête enseignante GPT0,322
Écart entre enseignants0,294 · 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.

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

Citations36
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Marine ScienceMême sujetMarine and fisheries researchTravaux en français237 207