Optimal management of recreational fisheries in the presence of hooking mortality and noncompliance — predictions from a bioeconomic model incorporating a mechanistic model of angler behavior
Notice bibliographique
Résumé
Using a bioeconomic model, we systematically investigated how hooking mortality and regulatory noncompliance influenced management outcomes across a range of freshwater fish species exploited by diverse angler populations. The model integrated an empirically based submodel describing the behaviour of three angler types with an age-structured fish population submodel calibrated to five life-history types (LHTs). Increased hooking mortality generally undermined regulation effectiveness, decreased socially optimal input (license numbers) and output regulations (minimum-size limits), and eroded the social welfare anglers derived from the fishery. However, the results strongly varied with LHT and angler type. Noncompliance had an isolated effect, primarily affecting fish species with low compensatory reserves when hooking mortality was low. However, in the absence of regulatory constraints on effort, noncompliance facilitated recruitment overfishing and increased the minimum-size limit required to avoid it. Despite added mortality from hooking and noncompliance, the strong dependence of angler utility on catch rates usually meant socially optimal management safeguarded biological sustainability. Yet, ignoring hooking mortality and noncompliance when predicting optimal regulations often led to population collapse. To conclude, models designed to derive recommendations for recreational fisheries management must consider both hooking mortality and noncompliance. Otherwise, dissatisfied anglers or biologically overfished stocks are possible.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».