Evaluating sustainability of fisheries bycatch mortality for marine megafauna: a review of conservation reference points for data-limited populations
Notice bibliographique
Résumé
SUMMARY Fisheries bycatch threatens populations of marine megafauna such as marine mammals, turtles, seabirds, sharks and rays, but fisheries impacts on non-target populations are often difficult to assess due to factors such as data limitation, poorly defined management objectives and lack of quantitative bycatch reduction targets. Limit reference points can be used to address these issues and thereby facilitate adoption and implementation of mitigation efforts. Reference points based on catch data and life history analysis can identify sustainability limits for bycatch with respect to defined population goals even when data are quite limited. This can expedite assessments for large numbers of species and enable prioritization of management actions based on mitigation urgency and efficacy. This paper reviews limit reference point estimators for marine megafauna bycatch, with the aim of highlighting their utility in fisheries management and promoting best practices for use. Different estimators share a common basic structure that can be flexibly applied to different contexts depending on species life history and available data types. Information on demographic vital rates and abundance is required; of these, abundance is the most data-dependent and thus most limiting factor for application. There are different approaches for handling management risk stemming from uncertainty in reference point and bycatch estimates. Risk tolerance can be incorporated explicitly into the reference point estimator itself, or probability distributions may be used to describe uncertainties in bycatch and reference point estimates, and risk tolerance may guide how those are factored into the management process. Either approach requires simulation-based performance testing such as management strategy evaluation to ensure that management objectives can be achieved. Factoring potential sources of bias into such evaluations is critical. This paper reviews the technical, operational, and political challenges to widespread application of reference points for management of marine megafauna bycatch, while emphasizing the importance of developing assessment frameworks that can facilitate sustainable fishing practices.
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 | 0,016 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,012 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».