Killer whale (<i>Orcinus orca</i>) interactions with the tuna and swordfish longline fishery off southern and south-eastern Brazil: a comparison with shark interactions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Depredation by cetaceans and sharks on longline fisheries is a global issue that can have negative impacts on both animals and fisheries and has concerned researchers, managers and the fishing industry. Nevertheless, detailed information on depredation is only available for a few regions where the problem exists. With the purpose of evaluating killer whale depredation on longline-caught tuna ( Thunnus spp.) and swordfish ( Xiphias gladius ) in the waters off southern and south-eastern Brazil and comparing it to shark depredation, data sheets were distributed to the captains of tuna vessels in Santos, south-eastern Brazil, between 1993 and 1995. Data on the catch per unit effort (CPUE) of tuna and swordfish and some records of interactions were also obtained from fishing vessel logbooks. Dockside interviews with fishermen and with researchers on board tuna vessels provided additional information. Killer whale and shark interactions were analysed per longline set and per trip. Killer whale interactions occurred from June to February, mainly between June and October, while shark interactions occurred year round. The number of sets and trips involving shark interactions was significantly higher than the number of sets and trips involving killer whale interactions. However, when depredation occurred, the proportion of fish damaged by killer whales was significantly higher than by sharks. Furthermore, killer whales removed or damaged significantly more hooked swordfish than hooked tuna, whereas sharks damaged significantly more hooked tuna than swordfish. This study also shows that cetacean by-catch is experienced by the tuna and swordfish longline fishery in Brazilian waters.
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.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle