Angler Characteristics and Management Implications in a Large, Multistock, Spatially Structured Recreational Fishery
Notice bibliographique
Résumé
Abstract Management of recreational fisheries involves understanding how anglers interact with the fishery resource. Managers must understand the source (spatial distribution), efficiency, and behavior of angler effort in order to develop optimal management strategies in a social–ecological framework. We interviewed anglers (n = 1,956) and assessed fish populations in 21 lakes that are part of a multistock, spatially structured fishery for Rainbow Trout Oncorhynchus mykiss in the interior of British Columbia, Canada. Our objective was to assess the spatial behavior, harvest behavior, and catch efficiency of anglers and to understand the strengths of interactions between anglers and fish populations in three regions within this large fishery. Our results suggest a diverse angler population that varied in its behavior and its impact on the fishery. Using a hierarchical cluster analysis, we identified four distinct angler groups based on three variables that directly described how anglers interacted with the fishery (spatial distribution, catchability, and harvest behavior). Angler characteristics varied between groups, and the relative proportions of the four discrete angler groups varied among management regions. Substantial variation in angler characteristics across groups and variation in the relative distribution of the groups across regions imply that a “one size fits all” management approach is not optimal for this fishery. Instead, strategies that are attuned to angler characteristics would constitute a better approach for managing this large, spatially structured fishery. Received April 18, 2012; accepted March 10, 2013
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».