The role of catch shares in Pacific halibut bycatch reduction in the U.S. West Coast bottom trawl fishery
Notice bibliographique
Résumé
Pacific halibut (Hippoglossus stenolepis) are a valuable target species in the U.S. and Canada, but are also caught as bycatch in other groundfish fisheries. In 2011, a catch shares (CS) management program was implemented in the U.S. west coast limited entry (LE) bottom trawl fishery, shifting responsibility for catch limits, including P. halibut bycatch, from the fleet to individual vessels. After CS implementation, P. halibut bycatch decreased significantly from an annual mean of 312.5 metric tons (mt) (2007-2010) to 65.6 mt (2011-2014). I hypothesized that this reduction in P. halibut bycatch resulted from changes in fishing behavior initiated by the shift to CS. I evaluated changes in variables associated with P. halibut bycatch, including fishing latitude, depth, duration, and catch of correlated species, before and after CS implementation. Comparisons of associated variables under LE versus CS management showed that significant changes to all variables occurred after CS implementation. To predict and compare relative P. halibut bycatch among LE versus CS hauls, I modeled how associated variables predicted P. halibut encounters, bycatch weight, and mortality for LE data, and re-ran these models for CS data. My results indicate that the relationship between predictor variables and P. halibut bycatch changed under CS from what was observed in the LE fleet. These changed relationships suggest that fishers altered their behavior following the management shift, likely contributing to the reduction in P. halibut bycatch under CS management. This work will help the Pacific Fishery Management Council and International Pacific Halibut Commission understand how CS has changed fishing behavior and P. halibut bycatch in bottom trawl fisheries.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».