Killer Whale Depredation and Associated Costs to Alaskan Sablefish, Pacific Halibut and Greenland Turbot Longliners
Notice bibliographique
Résumé
Killer whale (Orcinus orca) depredation (whales stealing or damaging fish caught on fishing gear) adversely impacts demersal longline fisheries for sablefish (Anoplopoma fimbria), Pacific halibut (Hippoglossus stenolepis) and Greenland turbot (Reinhardtius hippoglossoides) in the Bering Sea, Aleutian Islands and Western Gulf of Alaska. These interactions increase direct costs and opportunity costs associated with catching fish and reduce the profitability of longline fishing in western Alaska. This study synthesizes National Marine Fisheries Service observer data, National Marine Fisheries Service sablefish longline survey and fishermen-collected depredation data to: 1) estimate the frequency of killer whale depredation on longline fisheries in Alaska; 2) estimate depredation-related catch per unit effort reductions; and 3) assess direct costs and opportunity costs incurred by longliners in western Alaska as a result of killer whale interactions. The percentage of commercial fishery sets affected by killer whales was highest in the Bering Sea fisheries for: sablefish (21.4%), Greenland turbot (9.9%), and Pacific halibut (6.9%). Average catch per unit effort reductions on depredated sets ranged from 35.1-69.3% for the observed longline fleet in all three management areas from 1998-2012 (p<0.001). To compensate for depredation, fishermen set additional gear to catch the same amount of fish, and this increased fuel costs by an additional 82% per depredated set (average $433 additional fuel per depredated set). In a separate analysis with six longline vessels in 2011 and 2012, killer whale depredation avoidance measures resulted in an average additional cost of $494 per depredated vessel-day for fuel and crew food. Opportunity costs of time lost by fishermen averaged $522 per additional vessel-day on the grounds. This assessment of killer whale depredation costs represents the most extensive economic evaluation of this issue in Alaska to date and will help longline fishermen and managers consider the costs and benefits of depredation avoidance and alternative policy solutions.
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 | 0,000 |
| 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 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 ».