MétaCan
Menu
← Retour à la cohorte
Enregistrement W4313310291 · doi:10.1139/cjfas-2022-0169

Drivers of Atlantic herring decline and evidence basis for fisheries closures and rebuilding plans

2022· article· en· W4313310291 sur OpenAlexafffundvenueabout
Ryan S. D. Calder, Jenni L. McDermid, Stephanie A. Boudreau

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensGovernment of CanadaFisheries and Oceans Canada
Organismes subventionnairesFisheries and Oceans Canada
Mots-clésHerringFisheryClupeaFishingAtlantic herringPredationMackerelFisheries managementFish stockStock (firearms)BycatchStock assessmentScomberGeographyBiologyEcologyFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

Atlantic herring ( Clupea harengus) are economically and ecologically significant but have been in decline in Atlantic Canada due to an uncertain combination of environmental recruitment controls, predation, and fishing (commercial fishery and poorly documented bait removals). Fisheries and Oceans Canada partially closed Atlantic mackerel ( Scomber scombrus) and herring fisheries in March 2022 amid controversy and disagreement. Here, we develop a conceptual model for natural and anthropogenic controls on herring abundance centered on the southern Gulf of St. Lawrence (sGSL) and evaluate the likely importance of each. We provide the first estimates of the magnitude of bait fishery withdrawals in the sGSL. The decline in sGSL herring is likely driven by natural predation exacerbated by fishing. Bait fishery removals were 182 tonnes in 2021, suggesting that previous estimates for removals of spring-spawning herring were ∼30% too low. Fisheries closure is consistent with a precautionary approach given uncertainties and irreversibility of stock collapse. Ecosystemic models are needed but will be difficult to develop given the incomplete understanding of prey substitutability and net effect of interacting environmental processes.

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)0,003
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,999
Score d'incertitude au seuil0,261

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,038
Tête enseignante GPT0,256
Écart entre enseignants0,218 · 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

Citations6
Publié2022
Routes d'admission4
Résumé présentoui

Explorer davantage

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