A simulation-based comparison of confidence interval coverage, bias, and variance of alternative spatial biomass estimation methods used for the evaluation of Northern Shrimp biomass
Notice bibliographique
Résumé
In fisheries management, reliable estimates of population abundance metrics such as standing biomass are crucial for sustainability and balanced decision-making. The OGive MAPping (OGMAP) method, used by the Department of Fisheries and Oceans (DFO) in Newfoundland and Labrador for biomass estimation, addresses non-normally distributed populations but raises concerns about handling spatial data variations. I conducted a simulation-based comparative analysis comparing OGMAP against Generalized Additive Models (GAMs) and STRAtified Programs (STRAP) to answer the following question: “are the uncertainties of the estimates calculated from these different methods reliable?” \nUsing Northern Shrimp, Pandalus borealis, as a reference, I simulated biomass landscapes, exploring parameters like landscape roughness, sampling intensity, and model settings. The analysis consistently showed OGMAP's failure to capture nominal confidence intervals (CIs) compared to alternatives, regardless of the treatment. OGMAP exhibited tighter intervals, raising concerns about overfitting and its inability to reflect the true landscape biomass. However, halving the automatically optimized bandwidths for OGMAP's probability distribution fields significantly improved its realized coverage. \nThese findings underscore OGMAP's variability, shedding light on its limitations in decision-making by the Department of Fisheries and Oceans. I stress the pivotal role of reliable estimates in fisheries management. Additionally, I suggest that alternative methods, like GAMs, may offer more dependable forecasts given OGMAP's underperformance. This research prompts a review of the fisheries management framework relying on OGMAP, suggesting potential inadequacies in capturing the true uncertainty associated with spatially distributed stocks.
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 | 0,051 | 0,124 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».