No-take marine reserves can enhance population persistence and support the fishery of abalone
Notice bibliographique
Résumé
A critical aspect in the design of a marine reserve (MR) network is its spatial configuration (i.e., the number, size, and spacing of the individual reserves), particularly how these features influence the effect on fisheries. Here, we derived a size-based, spatially explicit, stochastic demographic model to explore how different spatial configurations of MR networks can affect abundance and commercial yield of the green abalone (Haliotis fulgens), taking as a reference case the abalone fishery of Isla Natividad in Baja California Sur (Mexico). Our analysis suggests that a network of MRs can have a positive effect on abalone population abundance and a slightly negative effect on fishery output with respect to traditional maximum sustainable yield (MSY; i.e., with no reserves). Simulations show that maximum catches achievable with MRs are, under the best configuration, ∼2%–14% lower than traditional MSY depending on the total fraction of the fishing grounds protected. In the case of overexploitation, long-term yields can increase following the implementation of MRs. In addition, in the presence of MRs, abundances and yields are much less sensitive to systematic errors in the enforcement of the optimal harvesting rate compared with situations in which MRs are not present. Given the limited dispersal ability of the species, the best outcomes in terms of fishery output would be achieved with very small reserves — around 100 m wide — so to maximize larval export in the fishable areas. Our results indicate appropriately designed MR networks are an effective strategy for meeting both conservation and economic goals under uncertainty. While the size of the existing reserves in Isla Natividad seems adequate to protect the abalone stock, smaller reserves could maximize fishery benefits, although this poses challenges for enforcement.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».