Relationship between variations of sea bottom temperature and American lobster catch rate off Southwestern Nova Scotia during 2008–2023
Notice bibliographique
Résumé
Abstract. American lobsters (Homarus americanus) are an iconic species and are the socioeconomic and cultural mainstay for many communities across Nova Scotia. Describing the changes in population biomass and providing annual stock assessment advice for this species are required for sustainable fisheries. In many areas the best information available for providing this advice comes from commercial fisheries data. Often there is an assumed relationship between fisheries performance (catch per unit effort; CPUE) and available biomass, however several studies indicate that this relationship can be affected by external factors such as sea bottom temperature. Including bottom temperature when developing a standardized CPUE index will potentially address these concerns, however it has proven difficult in the past due to the lack of readily available (near real time) and unbiased bottom temperature data at the spatial and temporal scales required. Here we explore a global ocean reanalysis product of the European Union Copernicus Marine Service with an application to the fishery catch data from Lobster Fishing Area 33 during 2008–2023. Comparison with observational data shows that this reanalysis product provides realistic variations of sea bottom temperatures in this region. Next, a hierarchical generalized linear modelling approach is applied to evaluate the relationship between within-season changes in lobster CPUE and sea bottom temperature. Positive relationships between the rates of change of two model parameters, during the first 60 days of the fishing season (from mid-November to mid-January), are found in the majority of the 10 subregions. A standardized CPUE index with influence of bottom temperature included, compared to the index without such influence, explains a high percentage of the deviance of CPUE data and hence is more consistent with available stock biomass. The outcomes of the model evaluation and relationship analysis encourage further applications of multi-decadal ocean reanalysis products to understand past changes, and the development of ocean forecasts for predicting future changes in marine ecosystems and fisheries, a product with broad-reaching social-economical value.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».