Incorporating knowledge of changes in climatic, oceanographic and ecological conditions in Canadian stock assessments
Notice bibliographique
Résumé
Abstract Environmental impacts on fisheries are pervasive, yet methods to account for them in stock assessments and management decisions vary in rigour and quality. The prevalence and efficacy of methods to account for environmental impacts are not well documented, limiting our ability to adequately respond to future environmental and climate changes for adaptive resource management. In Canada, legislation now requires that environmental conditions are considered in the management of fish stocks, yet the current extent of implementation in assessment processes is poorly understood. We assessed the use of climate, oceanographic and ecological considerations in science advisory processes for 178 stock assessments by Fisheries and Oceans Canada. We evaluated whether these considerations were included in conceptual hypotheses about broad‐scale mechanisms, quantitative or qualitative analyses, and the development of management advice on current or future stock status. Conceptual hypotheses were included in 46% of assessments; quantitative inclusions occurred in 21% of assessments, while qualitative interpretations appeared in 31% of assessments; and 27% of assessments included climate, oceanographic and/or ecological considerations in the advice. Assessments of salmonids, invertebrates and pelagic taxa more frequently made use of environmental data than those for groundfish and elasmobranchs. Comparing our findings with assessments in other jurisdictions highlighted a gap in Canada's ability to respond to environmental changes and a need to develop integrated management approaches, such as regional ecosystem assessments and approaches that combine modelling and empirical analyses, with socio‐economic analysis within interdisciplinary teams.
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) | 0,004 | 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 ».