MétaCan
Menu
Retour à la cohorte
Enregistrement W4415558400 · doi:10.1093/icesjms/fsaf188

Interannual variability in the length–weight relationship can disrupt the abundance–biomass correlation of sea scallop ( <i>Placopecten magellanicus</i> )

2025· article· en· W4415558400 sur OpenAlexaffabout
Nathan E. Hebert, Jessica A. Sameoto, David Keith, Orla Murphy, Craig J. Brown, Joanna Mills Flemming

Notice bibliographique

RevueICES Journal of Marine Science · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensDalhousie UniversityBedford Institute of Oceanography
Organismes subventionnairesnon disponible
Mots-clésScallopBayStock (firearms)Biomass (ecology)Climate changeStock assessmentRegime shiftAbundance (ecology)

Résumé

récupéré en direct d'OpenAlex

Abstract Fisheries stock assessments often rely on biomass estimates derived from abundance-at-length data and an assumed length–weight relationship (LWR) to establish stock status, which, relative to reference points, informs decisions on harvest rates. While biomass is typically assumed to reflect stock abundance, this assumption can be challenged by abrupt and sustained shifts in the body size of individuals within a stock, such as those arising from environmentally driven changes in the LWR. In the Bay of Fundy, Canada, the sea scallop (Placopecten magellanicus) has recently shown significant interannual variation in its LWR, with corresponding fluctuations in biomass. Using four spatio-temporal generalized additive mixed models, we explore the influence of spatio-temporal and environmental factors on the LWR, shell heights (i.e. size), abundance, and biomass of scallops in the Bay of Fundy, from 2011 to 2023. Results demonstrate that there was a significant shift in the LWR in 2023, which resulted in a large biomass increase (82%), despite only modest increases in shell heights (2%) and abundance (7%). Annual shifts in LWRs can therefore affect the correlation between abundance and biomass. We discuss the broader implications of this finding for stock assessments that depend on a LWR, particularly in the context of climate change and increased volatility in environmental conditions.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,031
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,009
Tête enseignante GPT0,264
Écart entre enseignants0,255 · 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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueICES Journal of Marine ScienceMême sujetMarine and fisheries researchTravaux en français237 207