Developing Recreational Harvest Regulations for an Unexploited Lake Trout Population
Notice bibliographique
Résumé
Abstract Developing fishing regulations for previously unexploited populations presents numerous challenges, many of which stem from a scarcity of baseline information about abundance, population productivity, and expected angling pressure. We used simulation models to test the effect of six management strategies (catch and release; trophy, minimum, and maximum length limits; and protected and exploited slot length limits) on an unexploited population of Lake Trout Salvelinus namaycush in Follensby Pond, a 393-ha lake located in New York State's Adirondack Park. We combined field and literature data and mark–recapture abundance estimates to parameterize an age-structured population model and used the model to assess the effects of each management strategy on abundance, catch per unit effort (CPUE), and harvest over a range of angler effort (0–2,000 angler-days/year). Lake Trout density (3.5 fish/ha for fish ≥ age 13, the estimated age at maturity) was similar to densities observed in other unexploited systems, but growth rate was relatively slow. Maximum harvest occurred at levels of effort ≤ 1,000 angler-days/year in all the scenarios considered. Regulations that permitted harvest of large postmaturation fish, such as New York's standard Lake Trout minimum size limit or a trophy size limit, resulted in low harvest and high angler CPUE. Regulations that permitted harvest of small and sometimes immature fish, such as a protected slot or maximum size limit, allowed high harvest but resulted in low angler CPUE and produced rapid declines in harvest with increases in effort beyond the effort consistent with maximum yield. Management agencies can use these results to match regulations to management goals and to assess the risks of different management options for unexploited Lake Trout populations and other fish species with similar life history traits. Received May 18, 2015; accepted November 30, 2015 Published online March 31, 2016
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 | 0,001 | 0,002 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».