Effects of cryptic mortality and the hidden costs of using length limits in fishery management
Notice bibliographique
Résumé
Abstract Fishery collapses cause substantial economic and ecological harm, but common management actions often fail to prevent overfishing. Minimum length limits are perhaps the most common fishing regulation used in both commercial and recreational fisheries, but their conservation benefits can be influenced by discard mortality of fish caught and released below the legal length. We constructed a computer model to evaluate how discard mortality could influence the conservation utility of minimum length regulations. We evaluated policy performance across two disparate fish life‐history types: short‐lived high‐productivity (SLHP) and long‐lived low‐productivity (LLLP) species. For the life‐history types, fishing mortality rates and minimum length limits that we examined, length limits alone generally failed to achieve sustainability when discard mortality rate exceeded about 0.2 for SLHP species and 0.05 for LLLP species. At these levels of discard mortality, reductions in overall fishing mortality (e.g. lower fishing effort) were required to prevent recruitment overfishing if fishing mortality was high. Similarly, relatively low discard mortality rates (>0.05) rendered maximum yield unobtainable and caused a substantial shift in the shape of the yield response surfaces. An analysis of fishery efficiency showed that length limits caused the simulated fisheries to be much less efficient, potentially exposing the target species and ecosystem to increased negative effects of the fishing process. Our findings suggest that for overexploited fisheries with moderate‐to‐high discard mortality rates, reductions in fishing mortality will be required to meet management goals. Resource managers should carefully consider impacts of cryptic mortality sources (e.g. discard mortality) on fishery sustainability, especially in recreational fisheries where release rates are high and effort is increasing in many areas of the world.
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 | 0,011 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».