MétaCan
Menu
← Retour à la cohorte
Enregistrement W3151002253 · doi:10.1139/cjfas-2019-0445

Stock-of-origin catch estimation of Atlantic bluefin tuna (<i>Thunnus thynnus</i>) based on observed spatial distributions

2021· article· en· W3151002253 sur OpenAlexafffundvenue
Emilius A. Aalto, Francesco Ferretti, Matthew V. Lauretta, John F. Walter, Michael J. W. Stokesbury, Robert J. Schallert, Barbara A. Block

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensAcadia University
Organismes subventionnairesNational Oceanic and Atmospheric AdministrationNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsOcean Foundation
Mots-clésTunaStock (firearms)FisheryThunnusCatch per unit effortScombridaeStock assessmentGeographyEnvironmental scienceOceanographyBiologyAbundance (ecology)FishingFish <Actinopterygii>Geology

Résumé

récupéré en direct d'OpenAlex

Atlantic bluefin tuna (Thunnus thynnus) are a large, highly migratory fish distributed throughout the North Atlantic Ocean and adjacent seas currently managed as two discrete stocks: western and eastern. Both stocks forage in the North Atlantic, and a high degree of intermixing occurs, which combined with limited single-stock survey data makes it difficult to assess the abundance and status of individual populations. In this study, we used movement patterns from a multidecadal tagging dataset to create monthly distribution maps for these two major stocks. We then used these maps to separate the overall catch records into stock-specific catch (catch per unit effort, CPUE) time series. We identified an increase in the past two decades in the proportion of catch estimated to come from the eastern stock, attributable to a decrease in CPUE in regions dominated by the western stock, relative to other regions. The stock-specific catch series can be used to improve the accuracy of stock assessments and inform spatial management.

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)0,002
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 enseignants0,915
Score d'incertitude au seuil0,169

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 ouverte0,0000,000
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 Opus0,034
Tête enseignante GPT0,247
Écart entre enseignants0,213 · 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

Citations7
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetMarine and fisheries research→Travaux en français237 207→