MétaCan
Menu
← Retour à la cohorte
Enregistrement W3148534137 · doi:10.1139/cjfas-2020-0428

Species-specific vulnerability to angling and its size-selectivity in sympatric stream salmonids

2021· article· en· W3148534137 sur OpenAlexvenueno aff
Jun‐ichi Tsuboi, Kentaro Morita, Genki Sahashi, Mari Kuroki, Shinya Baba, Robert Arlinghaus

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFishingOncorhynchusSalvelinusRainbow troutFisherySympatric speciationBiologyFish migrationEcologyArctic charGeographyTroutFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

In mixed fisheries where multiple species are caught, to manage resources sustainably, knowledge about the species-specific vulnerability to fishing is equally or even more important than knowledge of size selectivity of the gear. We compared the vulnerability to bait recreational angling in four salmonid species in natural streams in Japan. The ranking of species-specific angling vulnerability was as follows (from highest to lowest): rainbow trout (Oncorhynchus mykiss), masu salmon (Oncorhynchus masou), white-spotted char (Salvelinus leucomaenis), and southern Asian Dolly Varden (Salvelinus curilus). In all species, larger individuals were more vulnerable to angling, but there were differences in the size dependence between species. In rainbow trout and Dolly Varden (which have a nonanadromous life history in the study area), the probability of being caught monotonically increased with body size, while the vulnerability to angling in masu salmon and white-spotted char (which have an anadromous life history in the study area) showed a domed-shaped pattern. We found that across the species the catch per unit effort showed a hyperstable relationship with population density. Therefore, diminishing local populations are prone to collapse, and this collapse would be hard to foresee based on catch rate data alone.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 GPT0,218
Écart entre enseignants0,199 · 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

Citations12
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→