MétaCan
Menu
Retour à la cohorte
Enregistrement W3107944739 · doi:10.3389/fmars.2020.483993

Assessments of 16 Exploited Fish Stocks in Chinese Waters Using the CMSY and BSM Methods

2020· article· en· W3107944739 sur OpenAlexaff
Lu Zhai, Cui Liang, 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 subventionnairesMinderoo FoundationOak FoundationNational Natural Science Foundation of ChinaBloomberg PhilanthropiesMarisla FoundationNational Natural Science Foundation of China-Shandong Joint FundChina Scholarship CouncilDavid and Lucile Packard Foundation
Mots-clésOverfishingSardineFishingFisheryBiomass (ecology)Stock assessmentFish stockEnvironmental scienceMaximum sustainable yieldSustainable yieldFish <Actinopterygii>GeographyEcologyFisheries managementBiology

Résumé

récupéré en direct d'OpenAlex

Sixteen marine fish species (populations) exploited by Chinese fisheries were assessed, using published time series of catch and the CMSY and BSM methods. Given the catch times series as inputs, some ancillary information and reasonable constraints, carrying capacity, maximum sustainable yield, and likely time series of biomass and exploitation rate were estimated. The results show that one (7%) of the assessed species was severely depleted, four species (27%) were fully/overfished, six (40%) were outside of safe biological limits, one species (7%) was recovering and three species (20%) were in a healthy state at the end year of their assessment. However, one species, Pacific sardine ( Sardinops sagax ), could not be assessed using CMSY, as the exceedingly large fluctuations of its biomass were mainly environmentally driven. These results correspond with previous knowledge on the status of fish populations along the coast of China, where overfishing is rampant. Based on these assessments, some of the benefits that would result from a reduction of the excessive fishing effort are outlined.

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 enseignants0,185
Score d'incertitude au seuil0,436

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
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 Opus0,031
Tête enseignante GPT0,345
Écart entre enseignants0,314 · 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

Citations38
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

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