A synthesis to understand responses to capture stressors among fish discarded from commercial fisheries and options for mitigating their severity
Notice bibliographique
Résumé
Abstract Discarding non‐target fish from commercial fisheries is controversial and has been a persistent concern for fisheries managers globally. Discard management strategies typically begin by understanding mortality rates among discarded fish, a challenging task given the dynamic, highly context‐specific nature of fisheries. An alternative is to develop our knowledge of how stressors operate by first understanding the causes of mortality that drive this context dependence. Particularly relevant to mitigation efforts is an understanding of how fish respond to the physical factors of fishing, such as the gear itself and methods of fishing and handling the gear. We provide a synthesis of how commercial fishing methods may influence discard mortality and outline means by which capture‐induced stress and injury can be mitigated for common commercial gear types, emphasizing method variants or alternatives during capture, handling, and release that could improve survival. This synthesis identifies exhaustion and injury as the most detrimental and ubiquitous stressors experienced by discarded fish, with few options for mitigating their effects. Trawls and hanging net fisheries are identified as the most harmful gears for by‐catch, characterized by high stress regardless of method variants and limited options for mitigation. Irrespective of gear type and type of stressor, minimizing durations of capture and handling and encouragement of good handling behaviour (e.g., during landing and sorting) will reduce the magnitude of stress and injury in fish, and ultimately increase survival.
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 | 0,000 | 0,001 |
| 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 ».