MétaCan
Menu
Back to cohort
Record W7133273998

Évaluation du stock de sébaste canari en 2022

2023· other· fr· W7133273998 on OpenAlexaboutno aff
Pêches et Océans Canada, Fisheries and Oceans Canada

Bibliographic record

VenueFederal Open Science Repository of Canada / Le Dépôt fédéral de science ouverte du Canada · 2023
Typeother
Languagefr
Field
Topic
Canadian institutionsnot available
Fundersnot available
KeywordsPopulationEnvironmental indicatorStock (firearms)
DOInot available

Abstract

fetched live from OpenAlex

L’évaluation des stocks de sébaste canari porte sur une population présente sur toute la côte de la Colombie-Britannique (C.-B.) et récoltée dans deux pêches : une combinant le chalut de fond et le chalut pélagique, et une autre utilisant des engins autres que le chalut. Les captures au chalut de fond sont prédominantes (83 % en poids sur la période de 1996 à 2021), suivies par le chalut pélagique (13 %) et l’hameçon et la ligne (4 %). Les analyses de la biologie et de la répartition n’ont pas permis d’établir l’existence de stocks régionaux distincts pour le sébaste canari. Le stock de sébaste canari a été évalué à l’aide d’un modèle annuel des prises selon l’âge à deux sexes, mis en œuvre dans un cadre bayésien pour quantifier les incertitudes entourant les paramètres estimés et dérivés. La plateforme d’analyse qui a été utilisée est la plateforme Stock Synthesis 3 (synthèse des stocks 3) de la National Oceanic and Atmospheric Administration (NOAA). Un modèle de base qui estimait la mortalité naturelle (M) et la pente (h) correspondait de manière crédible aux données disponibles et a été jugé suffisant pour modéliser la population. Cette évaluation des stocks reposait principalement sur six séries sur l’abondance du sébaste canari découlant de relevés indépendants de la pêche et sur une série sur l’abondance des captures par unité d’effort (CPUE). Bien que les séries d’abondance des relevés du sébaste canari présentaient de grandes erreurs relatives, elles ne contredisaient pas les séries de l’indice des CPUE commerciales. De plus, les données de fréquence d’âge de la pêche commerciale au chalut (36 ans) et de trois séries de relevés (23 ans) ont été utilisées. La biomasse reproductrice femelle médiane (avec les 5e et 95e centiles) au début de 2023 (B2023) a été estimée à 0,78 (0,57, 1,05) de la biomasse reproductrice femelle non exploitée à l’équilibre (B0). En outre, la valeur de B2023 a été estimée à 3,04 (1,92-4,89) fois la biomasse reproductrice à l’équilibre au rendement maximal durable, BRMD. Il y avait une probabilité estimée de 1 que B2023 > 0,4BRMD et une probabilité de 1 que B2023 > 0,8 BRMD (c’est-à-dire qu’elle se trouve dans la zone saine). La probabilité que le taux d’exploitation de 2022 soit inférieur à celui qui est associé au RMD s’établissait à 1 pour les pêches commerciales combinées. L’avis aux gestionnaires a été présenté sous la forme de tableaux de décision fondés sur les points de référence proposés établis selon le Cadre décisionnel pour les pêchesntégrant l’approche de précaution du MPO (MPO 2009a). Les tableaux de décision fournissaient des projections sur 10 ans pour un éventail de prises constantes allant jusqu’à 2 000 tonnes/an. La moyenne récente des captures sur cinq ans (2017-2021) était de 789 t. On prévoit que les stocks de sébastes canaris demeureront au-dessus du point de référence limite (PRL, 0,4BRMD) et du point de référence supérieur du stock (PRS, 0,8BRMD) avec une probabilité de plus de 0,99 dans les 10 prochaines années à un niveau de prises ≤ 1 500 t/an. On a prédit que des prises ≤ 1 250 t/an permettront de maintenir le taux de récolte sous la limite (uRMD) dans 10 ans, avec une probabilité de plus de 95 %. Il n’est pas certain que les points de référence soient pertinents pour les espèces à grande longévité et à faible productivité. L’avis relatif aux points de référence du RMD a été jugé approprié pour le sébaste canari; toutefois, d’autres paramètres de référence B0 ont été présentés dans le document d’évaluation. Il est recommandé de procéder à une réévaluation complète des stocks d’ici 10 ans, sous réserve de la disponibilité de nouveaux renseignements. Entre-temps, il est possible de faire le suivi de la tendance de l’abondance à l’aide des CPUE de la pêche commerciale et, de façon moins fiable (en raison de l’erreur relative élevée), des relevés indépendants de la pêche utilisés dans la présente évaluation des stocks.

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 imitation

Not 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.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.002
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.781
Threshold uncertainty score0.435

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0020.002
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0000.001
Bibliometrics0.0020.001
Science and technology studies0.0000.000
Scholarly communication0.0010.001
Open science0.0010.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0040.001

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.

Opus teacher head0.015
GPT teacher head0.242
Teacher spread0.227 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2023
Admission routes1
Has abstractyes

Explore more

Same venueFederal Open Science Repository of Canada / Le Dépôt fédéral de science ouverte du CanadaFrench-language works237,207