Advice in spite of great uncertainty: assessing and addressing bycatch of small fishes with limited data using Stellifer illecebrosus as a case study
Notice bibliographique
Résumé
ABSTRACT Tropical shrimp trawlers mostly catch small fish species as bycatch, and commitments to ecosystem‐based management and food supply demand adjustment of such bycatch to sustainable levels. Pragmatic ways to assess and address the impact of nonselective fishing practices on small fishes need to be found, especially given the limited knowledge of their life histories, population dynamics, and ecology. The use of matrix models for understanding and mitigating such impacts is explored using a small fish,Stellifer illecebrosus(silver stardrum) in the southern Gulf of California, Mexico, as a case study. A deterministic matrix model, populated with vital rates generated through six months of fisheries‐dependent sampling, was used to estimate the rate of population growth for the species, conduct elasticity analyses to see which vital rates have greatest relative effects on population growth, test the sensitivity of model outcomes to uncertainties in life history parameters, mortality rates and the number of age classes modelled, and explore potential mitigation tools. Despite great uncertainty regarding the impact of industrial shrimp trawling onS. illecebrosus, principally due to uncertainty in mortality rates but also in other life history parameters, the matrix model was still useful in indicating that any precautionary management should focus on increasing the survival of younger age classes. This could be achieved with trawl closures where smaller fish live. The study demonstrates the importance of understanding age‐based changes in vital rates to the predictions of matrix models; estimated population growth rates were most uncertain when all mature individuals were assumed to contribute equally to recruitment. But nevertheless, the study supports claims that deterministic matrix models may be useful for conservation and management where life history parameters can only be estimated crudely. Copyright © 2012 John Wiley & Sons, Ltd.
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 | 0,006 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».