Integrating information on population structure and migration into fisheries stock assessment and management
Notice bibliographique
Résumé
Conveners: Michael Frisk (USA), Lisa Kerr (USA), Matthew Siskey (USA), Daniel Duplisea (Canada).No abstracts are to be cited without prior reference to the author.Evaluating the consequences of misdiagnosing population structure within spatial stock assessment models: Katelyn M. Bosley, Amy Schueller, Aaron M. Berger, Jonathan Deroba, Daniel R. Goethel, Kari H. Fenske, Dana Hanselman, Brian Langseth.Where do you think you’re going? Improving the movement dynamics of spatial stock assessment models: Daniel R. Goethel, Katelyn M. Bosley, Aaron M. Berger, Jonathan Deroba, Kari H. Fenske, Dana Hanselman, Brian Langseth, Amy Schueller.Informing stock assessment with historical and current growth estimates of Eastern Baltic cod incorporating genetics and movement patterns from tagging data: Monica Mion, Alessandro Orio, Roman Motyka, Annelie Hilvarsson, Esha Mohamed, Krzysztof Radtke, Karin Hüssy, Maria Krüger-Johnsen, Kate McQueen, Stefanie Haase, Uwe Krumme, Maris Plikshs, Michele Casini.Implications of incorporating spatial population structure into a winter flounder stock assessment model: Matt Siskey, Lisa Kerr, Mike Frisk, Chantel Wetzel.A spatially explicit individual-based model to support management of commercial and recreational fisheries for European sea bass Dicentrarchus labrax: Nicola Walker, Robin Boyd, Joseph Watson, Zachary Radford, Lisa Readdy, Richard Sibly, Shovonlal Roy, Kieran Hyder.Immigration and cod (Gadus morhua) recovery: contrasting ecological and evolutionary rescue: Silva Uusi-Heikkilä, Anna Kuparinen.The dilemma of recovering populations within collapsed fish stocks: Peter Wright, Andrew Davie, Thomas Régnier , Alice Doyle, Fiona Gibb.Ignoring spawner spatial distribution patterns generates bias in stock-recruitment models: Stefan Skoglund, Kjell Leonardsson, Rebecca Whitlock, Stefan Palm, Erik Petersson.Estimating movement rates of bigeye tuna in the eastern Pacific Ocean for a spatially-structured stock assessment model based on archival tagging data: Haikun Xu, Mark Maunder, Alexandre Aires-da-Silva, Kurt Schaefer, Dan Fuller.Successes and challenges with multi-area stock assessment models: Richard D. Methot.Integrating ontogenetic movements into stock assessment: a spatial approach to investigate their relationship with fisheries exploitation pattern: Tommaso Russo, L. D’Andrea, S. Franceschini, D.M. Canu, A. Cucco, G. Garofalo, G. Quattrocchi, M. Sinerchia, C. Solidoro, F. Fiorentino.Testing spatial heterogeneity with stock assessment models: Ernesto Jardim, Margit Eero, Alexandra Silva, Clara Ulrich, Lionel Pawlowski, Steven J. Holmes, Leire Ibaibarriaga, Jose’ A.A. De Oliveira, Isabel Riveiro, Nekane Alzorriz, Leire Citores, Finlay Scott, Andres Uriarte, Pablo Carrera, Erwan Duhamel, Iago Mosqueira.Origin of Atlantic bluefin tuna in the U.S. rod and reel fishery and application of mixed stock information to fisheries management: Lisa Kerr, Zachary Whitener, Steve Cadrin, Molly Morse, David Secor, Walt Golet.Spatial stock assessment of anchovy (Engraulis ringens) off Central Southern Chile using the “areas-as-fleets” approach: María-José Zúñiga, Juan Valero Maite Pons.Combining genetic data and habitat modelling to map two flounder species in the Baltic Sea: Ann-Britt Florin, Lovisa Wennerström, Alessandro Orio, Stefan Palm, Anders Nissling, Linda Söderberg, Didzis Ustups, Karin Hüssy, Redik Eschbaum, Krzysztof Radtke, Michele Casini, Karin Limburg, Franziska Schade, Tore Prestegaard.Effects of spatial scale and seasonal fishery heterogeneity on stock assessment of Atlantic Sheepshead (Archosargus probatocephalus): Thom D. Teears, Jie Cao Jeffrey A. Buckel.Integrating genetic assignment of natal origin into Atlantic bluefin tuna Management Strategy Evaluation: Naiara Rodriguez-Ezpeleta, Haritz Arrizabalaga, Deirdre Brophy, Igaratza Fraile.The Close-Kin Mark Recapture method for North Atlantic fisheries: Ilaria Coscia, Jann Martinsohn, Richard Hillary, Antonella Zanzi, Naiara Rodriguez-Ezpeleta, Mark Bravington.Improving the use of data from tag recaptures in Stock Synthesis: Gavin Fay, Ashleigh J. Novak, Ian G. Taylor.Identification of cross boundary management units of River lamprey Lampetra fluvialtilis in Lithuania and Latvia: R. Staponkus, A. Samuilovienė.Creating and validating an individual-based model of shoaling behaviour to improve population estimates: Sophia Wassermann, Mark Johnson.Using otolith shape analysis and machine learning techniques in stock assessment and management of Atlantic herring: Florian Berg, Susan Mærsk Lusseau, Valerio Bartolino, Tomas Gröhsler, Cecilie Kvamme, Richard D. M. Nash, Aril Slotte.Incorporating migration and shared spawning with spatially explicit stock assessments for the European sea bass (Dicentrarchus labrax): Gwladys Lambert, Lisa Readdy, Kieran Hyder.
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 | 0,001 | 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 | 0,001 |
| Science ouverte | 0,001 | 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 ».