MétaCan
Menu
← Retour à la cohorte
Enregistrement W3126340305 · doi:10.1139/cjfas-2020-0093

Big runs of little fish: first estimates of run size and exploitation in an amphidromous postlarvae fishery

2021· article· en· W3126340305 sur OpenAlexvenueno aff
Augustin C. Engman, Thomas J. Kwak, Jesse R. Fischer

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Geological SurveyU.S. Fish and Wildlife ServiceNorth Carolina State University
Mots-clésFisheryEstuaryBiomass (ecology)River ecosystemEcosystemFisheries scienceFisheries managementBiologyEcologyFishing

Résumé

récupéré en direct d'OpenAlex

Amphidromous postlarvae fisheries (APFs) constitute a globally widespread and distinctive class of fishery that is largely unknown to fisheries science. APFs harvest ocean-to-river migrating fishes at smaller sizes and younger ages than any other class of fishery. No quantitative estimates of run size and exploitation exist, which are needed to evaluate APF sustainability. Migrating amphidromous fishes are vectors of marine nutrients to estuaries and rivers, and run size quantification is needed to reveal the magnitude of this ecosystem function. We present a novel adaptation of trapezoidal area under the curve methods, which we apply in a Caribbean case study to yield the first simultaneous estimates of an APF run size and harvest. Run size estimates ranged 7.3–9.4 million postlarvae (926–1184 kg), and exploitation estimates (5.8%–7.0%) indicated low harvest in the Río Grande de Arecibo, Puerto Rico. Our representative run size estimates reveal that amphidromous postlarvae transport hundreds of kilograms of biomass per month to an estuary and river, the first empirical evidence that amphidromous migrations are large-magnitude material subsidies of lotic ecosystems.

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)0,003
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 enseignants0,946
Score d'incertitude au seuil0,108

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,019
Tête enseignante GPT0,214
Écart entre enseignants0,195 · 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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetFish Ecology and Management Studies→Travaux en français237 207→