Enhancing Fisheries Management and Sustainability: A Stowage Factor Analysis of Fish Species at Mayangan Port, Indonesia
Notice bibliographique
Résumé
The Stowage Factor (SF) is a crucial parameter for determining the volume-to-weight ratio of fish in a ship's hold, ensuring efficient space utilization and accurate catch estimation.This study investigates the SF of 17 fish species landed at the Mayangan Port, Probolinggo, Indonesia, using a fishing hold model to optimize fish storage in sampling boxes.Fish were placed in sampling boxes, which were sized to match the fish sampled.SF was calculated as the ratio of fish weight in tons to box volume in cubic meters.Packing density and spatial arrangement were controlled to reflect typical storage practices.Measurements were conducted on fish from frozen storage rooms with refrigeration to ensure consistency and accurate weights.The SF values measured across species ranged from 0.28 to 0.66 ton/m, with an average SF value of 0.47 ton/m.Significant variations were observed, influenced by species-specific morphology, packing density, and spatial arrangement.The results highlight that the average SF value, while useful as a general benchmark, may introduce bias when applied to species with SF values at the extremes of the range.These findings provide a scientific foundation for improving stowage design, emphasizing the importance of using species-specific SF values to support efficient logistics operations and data-driven fisheries management.Accurate SF measurements enable more precise estimates of fish weight in holds, contributing to the implementation of measured fisheries policies aimed at sustaining marine biodiversity and optimizing resource use.This research not only supports the design and management of fishing logistics but also aligns with ecological principles to promote the sustainable development of fisheries.
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) | 0,000 | 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 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 ».