Evolution of movement rate increases the effectiveness of marine reserves for the conservation of pelagic fishes
Notice bibliographique
Résumé
Current debates about the efficacy of no-take marine reserves (MR) in protecting large pelagic fish such as tuna and sharks have usually not considered the evolutionary dimension of this issue, which emerges because the propensity to swim away from a given place, like any other biological trait, will probably vary in a heritable fashion among individuals. Here, based on spatially explicit simulations, we investigated whether selection to remain in MRs to avoid higher fishing mortality can lead to the evolution of more philopatric fish. Our simulations, which covered a range of life histories among tuna species (skipjack tuna vs. Atlantic bluefin tuna) and shark species (great white sharks vs. spiny dogfish), suggested that MRs were most effective at maintaining viable population sizes when movement distances were lowest. Decreased movement rate evolved following the establishment of marine reserves, and this evolution occurred more rapidly with higher fishing pressure. Evolutionary reductions in movement rate led to increases in within-reserve population sizes over the course of the 50 years following MR establishment, although this varied among life histories, with skipjack responding fastest and great white sharks slowest. Our results suggest the evolution of decreased movement can augment the efficacy of marine reserves, especially for species, such as skipjack tuna, with relatively short generation times. Even when movement rates did not evolve substantially over 50 years (e.g., given long generation times or little heritable variation), marine reserves were an effective tool for the conservation of fish populations when mean movement rates were low or MRs were large.
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 | 0,001 | 0,001 |
| 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 ».