Implications of fisheries‐induced evolution for population recovery: Refocusing the science and refining its communication
Notice bibliographique
Résumé
Abstract The argument that sufficiently high fishing mortality (selective or not) can effect genetic change in fished populations has gained considerable traction since the late 1970s. The intervening decades have provided compelling experimental and model‐based evidence that fisheries‐induced evolution (FIE) can cause genetic changes in life history, behaviour and body shape, given sufficiently high trait heritability, selection intensity and time. Fisheries‐induced evolution research has also identified or inferred negative implications to population recovery and sustainable yield, prompting calls for evolutionarily enlightened management to reduce the probability of FIE and mitigate its risks. Sufficient time has now elapsed to evaluate whether predicted negative consequences to recovery have been empirically realized. We find that many FIE‐implicated populations have recovered rapidly to management‐based targets following cessation of overfishing. We conclude that FIE is generally of minor importance to recovery when compared with overfishing, magnitude of depletion and natural mortality. By posing a series of questions and responses, we illustrate how science advice pertaining to human‐induced evolution in fishes can be strengthened. We suggest that FIE research be refocused and its communication refined to: (a) better integrate FIE within existing stock‐assessment modelling frameworks; (b) pose questions of greater relevance at the science:policy interface; and (c) concentrate research on questions pertaining to the subset of depleted populations for which the implications of FIE are likely to be magnified because of their synergistic interactions with other correlates of recovery and yield.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».