The effects of regional angling effort, angler behavior, and harvesting efficiency on landscape patterns of overfishing
Notice bibliographique
Résumé
We used a coupled social-ecological model to study the landscape-scale patterns emerging from a mobile population of anglers exploiting a spatially structured walleye (Sander vitreus) fishery. We systematically examined how variations in angler behaviors (i.e., relative importance of walleye catch rate in guiding fishing site choices), harvesting efficiency (as implied by varying degrees of inverse density-dependent catchability of walleye), and angler population size affected the depletion of walleye stocks across 157 lakes located near Thunder Bay (Ontario, Canada). Walleye production biology was calibrated using lake-specific morphometric and edaphic features, and angler fishing site choices were modeled using an empirically grounded multi-attribute utility function. We found support for the hypothesis of sequential collapses of walleye stocks across the landscape in inverse proportionality of travel cost from the urban residence of anglers. This pattern was less pronounced when the regional angler population was low, density-dependent catchability was absent or low, and angler choices of lakes in the landscape were strongly determined by catch rather than non-catch-related attributes. Thus, our study revealed a systematic pattern of high catch importance reducing overfishing potential at low and aggravating overfishing potential at high angler population sizes. The analyses also suggested that density-dependent catchability might have more serious consequences for regional overfishing states than variations in angler behavior. We found little support for the hypotheses of systematic overexploitation of the most productive walleye stocks and homogenized catch-related qualities among lakes sharing similar access costs to anglers. Therefore, one should not expect anglers to systematically exploit the most productive fisheries or to equalize catch rates among lakes through their mobility and other behaviors. This study underscores that understanding landscape overfishing dynamics involves a careful appreciation of angler population size and how it interacts with the attributes that drive angler behaviors and depensatory mechanisms such as inverse density-dependent catchability. Only when all of these ingredients are considered and understood can one derive reasonably predictable patterns of overfishing in the landscape. These patterns range from self-regulating systems with low levels of regional fishing pressure to sequential collapse of walleye fisheries from the origin of angling effort.
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 | 0,002 |
| 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 | 0,001 |
| Communication savante | 0,001 | 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 ».