Devil in the details: growth, productivity, and extinction risk of a data-sparse devil ray
Notice bibliographique
Résumé
Abstract Devil rays ( Mobula spp.) face rapidly intensifying fishing pressure to meet the ongoing international trade and demand for their gill plates. This has been exacerbated by trade regulation of manta ray gill plates following their 2014 CITES listing. Furthermore, the paucity of information on growth, mortality, and fishing effort for devil rays make quantifying population growth rates and extinction risk challenging. Here, we use a published size-at-age dataset for a large-bodied devil ray species, the Spinetail Devil Ray ( Mobula japanica ), to estimate somatic growth rates, age at maturity, maximum age and natural and fishing mortality. From these estimates, we go on to calculate a plausible distribution of the maximum intrinsic population growth rate ( r max ) and place the productivity of this large devil ray in context by comparing it to 95 other chondrichthyan species. We find evidence that larger devil rays have low somatic growth rate, low annual reproductive output, and low maximum population growth rates, suggesting they have low productivity. Devil ray maximum intrinsic population growth rate ( r max ) is very similar to that of manta rays, indicating devil rays can potentially be driven to local extinction at low levels of fishing mortality. We show that fishing rates of a small-scale artisanal Mexican fishery were up to three times greater than the natural mortality rate, and twice as high as our estimate of r max , and therefore unsustainable. Our approach can be applied to assess the limits of fishing and extinction risk of any species with indeterminate growth, even with sparse size-at-age data.
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 | 0,002 | 0,001 |
| 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 | 0,001 | 0,000 |
| 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 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 ».