Stock Assessment for Seven Fish Species Using the LBB Method from the Northeastern Tip of the Bay of Bengal, Bangladesh
Notice bibliographique
Résumé
Assessment of fish stock status is generally required for fisheries management, which is difficult when the data are limited. The length-based Bayesian Biomass (LBB) approach is a powerful and new method, where only the length-frequency data are used for estimating the status of fisheries resources. Here, we applied the LBB method to assess the status of seven commercially valuable marine fishes from the northern tip of the Bay of Bengal (BoB), Bangladesh. These species were Lepturacanthus savala, Pampus argenteus, Nemipterus japonicas, Nemipterus randalli, Ilisha filigera, Saurida tumbil, and Upeneus sulphurous. The current relative biomass (B/B0) ratios were smaller than the BMSY/B0 in five stocks, except for N. japonicas and N. randalli, and this indicates that, of the seven populations assessed, two are grossly overfished, three are overfished, and two are healthy stocks. Moreover, the length at first capture (Lc) was lower than the optimal length at first capture (Lc_opt) in all seven populations, which indicates growth overfishing, suggesting that increasing the mesh sizes would be beneficial. The present findings confirm that Bangladesh’s coastal water fishery resources are declining. More specific targeted management measures should be taken to recover the country’s marine fishery resources.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».