Practices and attitudes of Indian catch-and-release anglers: identifying opportunities for advancing the management of recreational fisheries
Notice bibliographique
Résumé
Recreational fishing, a popular leisure activity, can potentially support conservation of species and provide socio-economic benefits to local economies. Nonetheless, there are ecological concerns regarding this pastime, especially in developing economies such as India where little information is available concerning impacts on fish populations. An online survey targeting recreational anglers practicing catch-and-release (C&R) in India (n=200) revealed 25 states/union territories as prime angling locations, with Mahseer (Tor spp.) constituting the main target species group (53%). Angling season (28%) and pristine river surroundings (14%) were stated as major factors important for angling, while overfishing (31%) and the use of illegal fishing techniques were highlighted as chief threats to fish species. Respondents were in favour of strictly adhering to C&R guidelines (23%), controlling illegal fishing techniques and pollution (18%) and spreading awareness and education among local stakeholders (18%) to protect fish. Over 75% of respondents were also willing to contribute both their time and money to conservation initiatives focusing on key sport fish. With anglers targeting multiple fishing locations throughout India, there is a need for consistent governance structures and policy instruments to support the development of sustainable recreational fisheries while minimising conflict with other stakeholder groups. The impacts of C&R fisheries interactions on individuals and populations (especially for threatened species) need to be studied in the Indian context. Direct participation by recreational anglers in C&R research could strengthen broader conservation and management initiatives throughout the country by increasing stewardship.
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 | 0,001 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».