MétaCan
Menu
Retour à la cohorte
Enregistrement W2022740463 · doi:10.1080/02755947.2014.963752

Evaluation of Daily Creel and Minimum Length Limits for Black Crappie and Yellow Perch in Wisconsin

2015· article· en· W2022740463 sur OpenAlexaboutno aff
Kyle J. Mosel, Daniel A. Isermann, Jonathan F. Hansen

Notice bibliographique

RevueNorth American Journal of Fisheries Management · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesWisconsin Department of Natural Resources
Mots-clésPerchFisheryFish <Actinopterygii>FishingEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Harvest regulations for Black Crappie Pomoxis nigromaculatus and Yellow Perch Perca flavescens in the northern USA and Canada have not been thoroughly evaluated, and specific guidance regarding where minimum length limits (MLLs) might improve these fisheries is lacking. We examined whether: (1) transitioning from an aggregate statewide daily creel limit of 25 panfish to species-specific daily creel limits of <25 fish or implementing statewide MLLs could reduce harvest of Black Crappie and Yellow Perch in Wisconsin by ≥25%, and (2) MLLs would improve yield by ≥10% and mean TL of harvested fish by ≥25 mm in Wisconsin fisheries. Creel surveys indicated that ≥94% of Wisconsin anglers did not harvest a Black Crappie or Yellow Perch, and ≤0.12% of anglers harvested a daily creel limit of 25 fish. Daily creel limits would need to be ≤7 fish/ angler to reduce harvest by ≥25%. Statewide MLLs would need to be ≥229 mm for Black Crappie and ≥203 mm for Yellow Perch to reduce harvest by ≥25%, but predicted responses to MLLs varied among simulated populations. In general, MLLs were not predicted to improve yield, indicating that growth overfishing was not a widespread problem. Minimum length limits could improve mean TL of harvested fish, but increases ≥25 mm were only observed under 254-mm and 279-mm MLLs, and anglers would have to accept predicted reductions in harvest of ≥30% to achieve these improvements. A 229-mm MLL offered a more equitable trade-off between increases in mean TLs of harvested fish (11–21-mm improvements) and reductions in harvest (22–37% reductions). Our modeling provides a framework for managers to make more informed decisions regarding harvest regulations, but more information regarding angler preferences is needed for selecting appropriate management objectives and harvest regulations. Received June 11, 2014; accepted September 4, 2014

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,139
Score d'incertitude au seuil0,276

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,258
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNorth American Journal of Fisheries ManagementMême sujetFish Ecology and Management StudiesTravaux en français237 207