Recreational sea fishing in Europe in a global context—Participation rates, fishing effort, expenditure, and implications for monitoring and assessment
Notice bibliographique
Résumé
Abstract Marine recreational fishing (MRF) is a high‐participation activity with large economic value and social benefits globally, and it impacts on some fish stocks. Although reporting MRF catches is a European Union legislative requirement, estimates are only available for some countries. Here, data on numbers of fishers, participation rates, days fished, expenditures, and catches of two widely targeted species were synthesized to provide European estimates of MRF and placed in the global context. Uncertainty assessment was not possible due to incomplete knowledge of error distributions; instead, a semi‐quantitative bias assessment was made. There were an estimated 8.7 million European recreational sea fishers corresponding to a participation rate of 1.6%. An estimated 77.6 million days were fished, and expenditure was €5.9 billion annually. There were higher participation, numbers of fishers, days fished and expenditure in the Atlantic than the Mediterranean, but the Mediterranean estimates were generally less robust. Comparisons with other regions showed that European MRF participation rates and expenditure were in the mid‐range, with higher participation in Oceania and the United States, higher expenditure in the United States, and lower participation and expenditure in South America and Africa. For both northern European sea bass (Dicentrarchus labrax, Moronidae) and western Baltic cod (Gadus morhua, Gadidae) stocks, MRF represented 27% of the total removals. This study highlights the importance of MRF and the need for bespoke, regular and statistically sound data collection to underpin European fisheries management. Solutions are proposed for future MRF data collection in Europe and other regions to support sustainable fisheries management.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 ».