MétaCan
Menu
Retour à la cohorte
Enregistrement W3162314741 · doi:10.1093/icesjms/fsab088

Forecasting the response of a recovered pinniped population to sustainable harvest strategies that reduce their impact as predators

2021· article· en· W3162314741 sur OpenAlexaff
Steven P. Rossi, Sean Cox, Mike O. Hammill, Cornelia E. den Heyer, Douglas P. Swain, Arnaud Mosnier, Hugues P. Benoît

Notice bibliographique

RevueICES Journal of Marine Science · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensBedford Institute of OceanographyFisheries and Oceans CanadaSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésPredationFisheryAbundance (ecology)PopulationPredatorSeal (emblem)Apex predatorBiologyFishingEcologyGeographyArchaeology

Résumé

récupéré en direct d'OpenAlex

Abstract The recovery of marine mammal populations has led to increased predation on commercially valuable prey species, creating conflicts with fisheries and calls for predator control. Grey seals are important predators of Atlantic Cod and Winter Skate in the southern Gulf of St. Lawrence (sGSL), and both species are likely to be extirpated unless grey seal presence in that ecosystem is strongly reduced. We aimed to identify harvest strategies that reduced grey seal presence in the sGSL to levels that favour fish recovery while maintaining grey seal conservation goals. We fit an integrated population model to grey seal abundance, reproductive and mark-recapture data, and projected future presence in the sGSL while varying the magnitude and age-composition of the annual commercial quota. We found that both removal and conservation targets could be met with annual quotas of 6000 seals if 50% of hunted seals were young of the year (YOY), though small amounts of overhunting reduced seal abundance below limit reference levels. Harvest strategies that targeted higher proportions of YOY were less likely to trigger conservation concerns, though these strategies required much larger quotas to achieve removal targets.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,038

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,036
Tête enseignante GPT0,298
Écart entre enseignants0,262 · 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'étudeSimulation ou modélisation
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

Citations25
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueICES Journal of Marine ScienceMême sujetMarine animal studies overviewTravaux en français237 207