Effectiveness of shore‐based remote camera monitoring for quantifying recreational fisher compliance in marine conservation areas
Notice bibliographique
Résumé
Abstract Marine conservation areas require high levels of compliance to meet conservation objectives, yet little research has assessed compliance quantitatively, especially for recreational fishers. Recreational fishers take 12% of global annual fish catches. With millions of people fishing from small boats, this fishing sector is hard to monitor, making accurate quantification of non‐compliance an urgent research priority. Shore‐based remote camera monitoring was tested for quantifying recreational non‐compliance in near‐shore, coastal rockfish conservation areas (RCAs) in the Salish Sea, Canada. Six high definition trail cameras were used to monitor 42 locations between July and August 2014. Seventy‐nine percent of monitored conservation area sites showed confirmed or probable fishing activity, with no significant difference in fishing effort inside and outside RCAs. Mixed effects generalized linear models were used to test environmental and geographic factors influencing compliance. Sites with greater depth had significantly higher fishing effort, which may imply high, barotrauma‐induced, rockfish mortality in RCA sites. Non‐compliance estimates were similar to aerial fly‐over compliance data from 2011, suggesting that trail camera monitoring may be an accurate and affordable alternative method of assessing non‐compliance in coastal conservation areas, especially for community‐based organizations wishing to monitor local waters. Widespread non‐compliance could compromise the ability of RCAs to protect and rebuild rockfish populations. Increased education, signage, and enforcement is likely to improve compliance.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| 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 ».