Using multivariate autoregressive state‐space models to examine stock structure of Greenland halibut in the North Atlantic
Notice bibliographique
Résumé
Abstract Accurate information on population structure is essential for effective fisheries management. Greenland halibut (Reinhardtius hippoglossoides) in the North Atlantic is managed as four separate offshore stocks. We use Multivariate Autoregressive State‐Space (MARSS) models to assess population structure by means of abundance and biomass trends in four regions (Norwegian Sea, Iceland, Southeast Greenland, and Northwest Atlantic) where three offshore stocks are recognized: (1) Baffin Bay–Davis Strait (Northwest Atlantic stock), (2) Southeast Greenland and Iceland (West Nordic stock (WNS)), and (3) the Barents and Norwegian Seas (Northeast Arctic stock). We formulated model alternatives, using bottom trawl survey data from each region for 1996–2019, to evaluate support for different population structures. Abundance and biomass observations from each region were linked to growth rate parameters in MARSS models and the impact of climate (North Atlantic Oscillation Index) and fishing (commercial catches) on stock dynamics was investigated. Top models identified the Northwest Atlantic as an independent population. Best‐fit models treated Greenland halibut in the WNS as two independent populations (east and west), with potential connections between eastern Iceland and the western Barents Sea. These results suggest a mismatch between current stock perception and management boundaries in the Northeast Atlantic.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».