État du stock et rendement de la procédure de gestion pour la pêche de la morue charbonnière (Anoplopoma fimbria) en Colombie Britannique en 2022 2023
Bibliographic record
Abstract
La pêche de la morue charbonnière en Colombie-Britannique est gérée depuis 2011au moyen d’une stratégie de pêche mise à l’essai par simulation. Le modèle opérationnel utilisé pour produire des données simulées sur le stock et la pêche est révisé à intervalles réguliers afin de refléter les nouvelles données et hypothèses au sujet du système de gestion. Le présent article vise à décrire en détail la migration du modèle opérationnel de la morue charbonnière (MO MCH) du langage AD model builder (ADMB) non pris en charge vers le langage de pointe Template Model Builder (TMB). Nous présentons en détail des analyses de transition et de rapprochement rigoureuses entre les données et les hypothèses de 2018 et de 2021, ainsi que des essais par rapport à plusieurs sensibilités, y compris les hypothèses du modèle relativement aux remises à l’eau, les pondérations de vraisemblance de la composition selon l’âge et les distributions a priori des principaux paramètres. Parallèlement, nous faisons également passer de l’ADMB au TMB le modèle de production de Schaefer utilisé pour estimer la biomasse et les points de contrôle opérationnels dans le cadre de la procédure de gestion (PG) de la morue charbonnière, et évaluons de nouveau le rendement de la PG mise à jour par rapport aux objectifs opérationnels de la pêche. La biomasse, la productivité et l’état du stock de morue charbonnière en 2022, estimés à partir d’un ensemble de cinq hypothèses de l’« ensemble de référence » du MO-MCH, indiquent que le stock n’est pas actuellement soumis à une surpêche. La biomasse reproductrice au début de 2022 est d’environ 132 % de la biomasse optimale BRMD, et le taux d’exploitation de 2021 est d’environ 71 % de URMD, la dynamique récente étant alimentée par l’arrivée de trois grandes classes d’âge. Les estimations des écarts de recrutement par rapport à l’hypothèse de base du MO-MCH sont comparées aux indices environnementaux, mais aucune relation significative ne se dégage, ce qui indique qu’un projet de recherche approfondie peut être nécessaire pour déterminer s’il existe un lien qui aurait des répercussions sur la formulation du modèle opérationnel ou la conception de la procédure de gestion. Enfin, toutes les PG de la morue charbonnière mises à l’essai, y compris la PG du statu quo ayant un taux d’exploitation de 5,5 %, atteignent les objectifs de conservation de la biomasse et les objectifs cibles dans l’ensemble de référence des modèles opérationnels, ce qui satisfait aux exigences de la politique de l’approche de précaution du Canada en matière de pêche pour la gestion par points de référence.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 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) | 0.006 | 0.001 |
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.
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".