Notice bibliographique
Résumé
Abstract Fisheries management is the set of science‐based procedures used by government institutions to regulate fishers' access to fisheries resources; this involves temporal and spatial restrictions on the deployment of fishing gear, restrictions on features of these gear and constraints on the species and size composition of the catch, and its overall magnitude. The traditional goal of fisheries management was to achieve maximum sustainable yields. Maximum economic yields are obtained with slightly lower catches from larger fish stocks. Modern fisheries management aims for minimising the impact of fishing on the ecosystem and considers trophic interactions when determining catch levels. A new challenge is the assessment and management of data‐limited fish stocks, which constitute about three‐fourth of the exploited stocks. Key Concepts: Fish stocks must be maintained above levels that allow them to produce the maximum sustainable yield. Mortality caused by fishing may not exceed the rate of mortality from natural causes such as predation, diseases or old age. The size at first capture must be chosen such that fish can realise their potential for growth and reproduction. Species with important ecosystem functions, such as forage fish, must be fished less. Government subsidies to fisheries, by reducing the cost of fishing, allows fishing to continue even when fish stocks are depleted; reducing subsides to fisheries thus contributes to fishery sustainability. Aquaculture can contribute to the global fish supply, but not when carnivorous fish are farmed, as they consume more fish than they produce.
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 | 0,001 |
| Communication savante | 0,000 | 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) | 0,153 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».