Optimal risk-taking theory applied to marine conservation: harbour seals in Prince William Sound
Notice bibliographique
Résumé
I sought theoretical insight on synergistic effects of resources and predators that are potentially relevant to the decline of harbour seals in Prince William Sound and to indirect effects of fisheries. Simulations predicted that compensatory foraging effort by seals will mitigate potential loss of energy reserves when resources decline, but only at the cost of higher predation rates, even if predator densities remain constant. A second study predicted net energy gain and predation risk per foraging dive, parameterising an analytical model with field data on seal behaviour, resource distributions, and use of depth by Pacific sleeper sharks and killer whales. Analyses suggested that risk of mortality from sharks and net energetic gain were greatest when seals foraged in deep strata, and empirical data showed individual variation in use of these strata. Plots of the individuals’ predicted energy gain against predicted predation risk fit best when relative danger from sharks was assumed to be much greater than that from killer whales. The first two studies combined suggest that, theoretically, overfishing of near-surface fatty fishes might increase shark predation rates on seals. A third model predicted an asymmetric trophic cascade in which indirect effects of sleeper sharks on resources were mediated by seal avoidance of riskier strata. Risk management by seals is predicted to reduce mortality on the dangerous resource (deep pollock) while increasing mortality on the safer resource (shallow herring), and the bycatch of sharks altered this dynamic. Although empirical data are lacking to test most predictions and various assumptions, the three models derive from first principles of behavioural ecology and provide a rigorous basis for predicting indirect effects of fisheries. Further, overfishing of sharks and of resources used by marine mammals are pressing global problems which cannot be addressed by empirical studies alone; indirect interactions between species are too complex to be elucidated without theoretical guidance and rapid exploitation often outpaces the acquisition of data relevant to conservation. Thus, theory presented here is important for assessing the potential damage wrought by different fishery scenarios, informing decisions that attempt to optimise exploitation and conservation, and guiding empirical research.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 tête enseignante, 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 ».