A multimodel approach to assess sustainable harvest levels for anadromous Arctic Char: challenges and implications for eco‐socially feasible long‐term comanagement tools
Notice bibliographique
Résumé
No abstracts are to be cited without prior reference to the author.Quantitative fish stock assessment requires accurate estimates of stock status, sustainable harvestlevels (SHLs) and inherent uncertainties to provide scientifically sound science advice on fisheriesmanagement decisions. The appropriateness and effectiveness of these estimates largely depend onthe quality and integrity of the temporal observations. In Canadian Arctic, community‐basedmonitoring initiatives have played significant roles in monitoring the stock status of exploitedresources for commercial, recreational and aboriginal fisheries. Bringing the multiple sets ofobservations on anadromous Arctic Char in Hornaday River systems during 1990‐2013, we in thisstudy developed a multi‐model statistical framework to assess the population dynamics and SHLs,incorporated with data‐limited model of depletion‐based stock reduction analysis (DB‐SRA), anddata‐rich surplus production model (SPM) and statistical catch‐at‐age model (SCA). In comparisonwith data inputs and model outputs, weighting by inverse variance (WIV) has been adopted toaccount for the effects of uncertainty sources on the model estimates. The modelling results indicatethe Arctic Char stock status is healthy, given the fact that current fisheries harvest levels are belowMSY.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,002 | 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 ».