A Simulation-Based Evaluation of In-Season Management Tactics for Anadromous Fisheries: Accounting for Risk in the Yukon River Fall Chum Salmon Fishery
Notice bibliographique
Résumé
Abstract Salmon fisheries are managed under uncertainties in abundance, population dynamics, and fishery implementation. These uncertainties create risk, which can be accounted for using probabilistic harvest control rules. Probabilistic control rules ensure management actions are consistent with the level of acceptable risk. Within a fishing season, managers seek to meet escapement objectives by using preseason forecasts and in-season data to set fishery openings and catch targets. We used a stochastic simulation model of the Yukon River fall Chum Salmon Oncorhynchus keta fishery to evaluate the effects on fishery performance of (1) the degree of in-season risk tolerance and (2) two methods for estimating daily abundance projections. We defined risk in terms of the probability of failing to meet escapement objectives, which is consistent with the emphasis on meeting escapement objectives in Alaska's Sustainable Salmon Fisheries Policy. The analysis revealed expected trade-offs between harvest and escapement objectives. However, risk tolerance did not strongly influence fishery performance mainly because outcomes were highly uncertain due to process errors. Average subsistence harvest decreased from 97,000 to 88,000 Chum Salmon and the probability of failing to meet escapement goals in four of the five most recent years decreased from 0.04 to 0.01 when a risk-averse approach was implemented. However, when preseason forecasts were relatively low and close to thresholds where no fishing would be allowed, then a risk-averse approach increased the probability of meeting escapement objectives. A Bayesian approach to estimating the projected run abundance performed similarly to a simpler approach that relied entirely on the preseason forecast until the average first quarter point of the run. Our results suggest that assessment approaches and the degree of in-season risk tolerance are likely less important in determining fishery performance for Yukon River Fall Chum Salmon than are the escapement goals used to manage the fishery. Received November 18, 2013; accepted July 28, 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 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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».