Abondance estimée de la population et probabilité de déclin de la population pour le narval (Monodon monoceros) du nord de la baie d’Hudson
Bibliographic record
Abstract
Le narval est une importante espèce de pêche aux fins de subsistance pour les collectivités inuites. La population du nord de la baie d’Hudson est spatialement et génétiquement distincte des autres populations du narval du Canada et du Groenland. La population de narval du nord de la baie d’Hudson a été évaluée au moyen de relevés aériens périodiques de 1981 à 2018. Les estimations des relevés de 1982 et de 2000 étaient négativement biaisées, car elles ne tenaient pas compte du biais de perception et ont été effectuées en suivant des protocoles différents. Par contre, les relevés de 2011 et de 2018 ont pris en compte ces biais. Par conséquent, les estimations des relevés de 1982 et de 2000 ont été ajustées avant l’analyse des tendances de la population au moyen de ratios calculés procédant à une nouvelle analyse des données du relevé de 2011 selon des méthodes semblables à celles utilisées en 1982 et 2000. Pour estimer les trajectoires des populations et prédire les tendances futures de la population selon divers scénarios de capture, un modèle de population bayésien a été adapté aux quatre estimations de relevés aériens rajustées et aux données sur les captures de 1951 à 2018. Le modèle privilégié a donné lieu à une estimation démographique de 14 377 narvals en 2019 (intervalle de confiance à 95 %, soit de 10 265 à 20 370) et à une population de départ estimée de 7 164 narvals (intervalle de confiance à 95 %, soit de 1 447 à 19 155) en 1951. En utilisant un modèle fondé sur les risques pour estimer la probabilité de déclin de la population sur 10 ans, le modèle prévoyait une probabilité de déclin de 0 %, 20 %, 40 %, 50 %, 60 %, 80 % et 100 % avec des quotas de pêche annuels de 0, 63, 83, 93, 108, 173 et 450 narvals par année. L’intégration de l’estimation mise à jour du relevé de 2018 et l’ajustement des estimations des relevés antérieurs donnent une plus grande confiance dans les résultats du modèle et, par conséquent, dans l’approche fondée sur les risques pour évaluer les niveaux de capture. L’abondance estimée modélisée de 2019 était robuste par rapport aux paramètres d’entrée d’une série d’exécutions de modèle. Le prélèvement biologique potentiel a également été calculé pour l’estimation de l’abondance de 2019 à partir du modèle et a donné lieu à un seuil de prélèvement annuel de 188 baleines et à un total autorisé de captures débarquées de 151 narvals. L’approche fondée sur les risques tient compte de la probabilité de déclin de la population à différents niveaux de capture, tandis que le prélèvement biologique potentiel vise intrinsèquement à maintenir la population au niveau maximum de productivité nette, ce qui peut entraîner un déclin de la population si la population est déjà égale ou supérieure au niveau maximum de productivité nette. Les objectifs de gestion devraient être bien définis pour déterminer si une approche fondée sur le prélèvement biologique potentiel ou un modèle fondé sur les risques convient davantage à la population de narval du nord de la baie d’Hudson.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".