Production rates of walleye and their relationship to exploitation in Escanaba Lake, Wisconsin, 1965–2009
Notice bibliographique
Résumé
Understanding variability in fish production, biomass, production/biomass (P/B) ratios, and their relationship to exploitation is central to fisheries sustainability. At Escanaba Lake, Wisconsin, USA, data from a compulsory creel census (1965–2009) were combined with survey data on fish populations to test for empirical relationships between annual production and exploitation rates of walleye (Sander vitreus). Empirical estimates of walleye production were relatively high and temporally variable in Escanaba Lake. Annual production, biomass, and P/B ratios ranges were 2.4–11.3 kg·ha −1 ·year −1 , 9.1–49.4 kg·ha −1 , and 0.15–0.30 year −1 , respectively. Walleye production rates were significantly and positively correlated with adult (i.e., age 3+) walleye density — the core metric used to manage walleye populations in the Ceded Territory of Wisconsin. However, adult walleye density correlated best with ages 4–6 production. Annual exploitation based on the percentage of individuals removed from the population was linearly related to annual exploitation based on the percentage of production removed. On average, 100% of annual production was harvested at ∼20% annual exploitation of individuals; thus, higher sustained exploitation rates would deplete walleye biomass in Escanaba Lake over time. A sustainable annual exploitation rate of 20% annually is lower than the 35% limit reference point currently used for walleye management in the Ceded Territory of Wisconsin. Nevertheless, our estimate is strongly concordant with two recent and independent modeling efforts addressing this same topic. We suggest empirical estimates of fish production are a vastly underutilized tool for better understanding sustainable exploitation rates in walleye populations and, likely, fisheries in general.
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 | 0,001 | 0,001 |
| 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 ».