The longer the better? Trade‐offs in fisheries stock assessment in dynamic ecosystems
Notice bibliographique
Résumé
Abstract Environmental change and anthropogenic activity, alone or in combination, may cause vital rates of fish populations to exhibit low‐frequency, large‐magnitude variation leading to non‐stationary population processes in inherently dynamic ecosystems. It remains unclear why, when and, so, whether, non‐stationary population processes should be taken into account in fisheries stock assessment models. Here, we clarify the necessity and conditions for including non‐stationary population processes in stock assessment models. Specifically, the convention of treating population vital rates with constant parameters might be unreliable under regime shifts characterized by low‐frequency, large‐magnitude variation in drivers of fish population dynamics. We hypothesized and simulated effects of a U‐shaped trade‐off between the length of time‐series data and model estimation error for fish populations exhibiting non‐stationary dynamics. In the case of low‐frequency, large‐magnitude variation, when measurement errors were small, the effects of non‐stationary population processes were stronger than otherwise. Including time‐varying parameters of population vital rates in the assessment model resolved this dilemma as anticipated, albeit at the cost of increased model complexity, suggesting that accounting for non‐stationarity with time‐varying parameters alone may not be sufficient to improve stock assessments and other approaches should also be considered.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».