Assessment of Tropical Fish Stocks Using the LBB Method in Dongzhaigang Bay, Hainan Island, China
Notice bibliographique
Résumé
This study used catch/effort (CPUE) and length-frequency (L/F) data to evaluate the status of 26 fish species in the mangroves of the Dongzhaigang National Reserve, Hainan Province, China, sampled in 2009 (16 species), 2014 (18 species) and 2020 (15 species) using CPUE and the length-based Bayesian biomass (LBB) method. The CPUE, both in number and weight, was lower in 2009 than in 2014 and lower again in 2020, with the 2009 low attributed to pollution due to shrimp, pig and duck farming within the reserve. Of the 26 fish species assessed, four experienced a large reduction of length from 2009 to 2020, and nine exhibited a decline in the ratio of current biomass to biomass at carrying capacity (B/B0), which is expressed as the ‘biomass left’. This ratio was, for most species, below 0.5 in 2009, which suggests that overfishing occurred in 2009 and that it has since become worse. Thus, while the CPUE data provided ambiguous results, the L/F data analyzed by the LBB method demonstrated unambiguously that ‘miniaturization’ through overfishing is occurring among the exploited 26 fish species from the mangroves of the Dongzhaigang National Reserve. For the fisheries in the mangals of Dongzhaigang Bay to remain viable, fishing effort should be reduced by local governments working with the affected communities, just as they reduced pollution a decade ago.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 source (Gemma direct ou Codex distillé), 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 ».