Étalonnage des navires de relevé au chalut de fond : résultats de la pêche comparative entre le NGCC Teleost et le NGCC John Cabot ou le NGCC Captain Jacques Cartier sur le plateau néo-écossais et dans la baie de Fundy en 2022 et 2023
Bibliographic record
Abstract
Les relevés au chalut de fond fournissent des données essentielles pour l’évaluation des stocks de poissons de fond et d’autres taxons, pour la surveillance des écosystèmes et l’établissement de rapports, ainsi que pour la recherche. Ils peuvent permettre de produire des indices annuels de l’abondance qui sont proportionnels à la taille du stock concerné, à condition que la constante de proportionnalité, généralement appelée « capturabilité », ne change pas au fil du temps. Ce résultat est normalement obtenu en utilisant un plan et des procédures de relevé normalisés. Dans la région des Maritimes, le navire de la Garde côtière canadienne (NGCC) Teleost, qui est équipé d’un chalut de fond de type Western IIA et qui est utilisé chaque année pour effectuer le relevé d’été de l’écosystème sur le plateau néo-écossais, sera remplacé par le NGCC John Cabot et le NGCC Captain Jacques Cartier, qui sont équipés d’un chalut de relevé de l’écosystème du Northeast Fisheries Science Centre (NEST). Un tel changement de protocole a nécessité des expériences d’étalonnage pour estimer les ajustements aux possibles variations de capturabilité. On a donc réalisé des expériences de pêche comparative avec ces deux navires et ces deux engins jumelés durant les étés de 2022 et de 2023, dans un grand nombre d’emplacements, afin d’obtenir les données sur les prises nécessaires pour estimer leur efficacité de capture relative pour de nombreux taxons de poissons et d’invertébrés qui sont régulièrement échantillonnés dans ce relevé. Dans ce document, nous décrivons brièvement les expériences de pêche comparative et les données sur les prises ainsi obtenues, suivies des analyses détaillées de ces données pour 108 taxons de poissons et d’invertébrés qui sont régulièrement échantillonnés dans ce relevé de recherche et pour lesquels les expériences avaient produit suffisamment de données. Les analyses ont fait appel à une série de modèles statistiques contemporains utilisés précédemment dans des analyses de pêche comparative dans l’est des États-Unis et dans des régions canadiennes de l’Atlantique. Des recommandations pour l’étalonnage des nombres de prises par les navires reposant sur les résultats des analyses ont été fournies pour ces taxons : 22 taxons avaient des facteurs de conversion dépendants de la longueur à l’aide d’une analyse sans regroupement par longueur, 14 taxons avaient des facteurs de conversion indépendants de la longueur à l’aide d’une analyse sans regroupement par longueur, 40 taxons avaient des facteurs de conversion indépendants de la longueur à l’aide d’une analyse avec regroupement par longueur, et l’étalonnage n’a pas été jugé nécessaire pour 21 taxons. Des résultats complémentaires ont également été fournis pour 59 taxons à l’aide d’une analyse de la biomasse des prises avec regroupement par longueur, soit 42 pour lesquels un facteur de conversion semble nécessaire, et 15 qui n’en ont pas besoin.
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 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".