Conservation Risk and Uncertainty in Recovery Prospects for a Collapsed and Culturally Important Salmon Population in a Mixed-Stock Fishery
Notice bibliographique
Résumé
Abstract Mixed-stock fisheries simultaneously exploit populations that may differ in their conservation status, and uncertainty in stock-specific harvest rates can hamper evaluations of recovery prospects for depressed populations. These difficulties are exemplified in the Sockeye Salmon population from the Atnarko watershed, which collapsed in the early 2000s, causing cultural and economic hardship. A recovery plan identified the incidental harvest of Sockeye Salmon by mixed-stock fisheries in the Atnarko as a potential, but poorly understood, impediment to recovery. We reconstructed harvest rates for salmon in Indigenous and commercial fisheries and used an age-structured state-space model of stock–recruit dynamics to predict how a range of future mixed-stock harvest rates would influence recovery. Under recent harvest rates, there is a 50–60% chance that the population will grow to exceed a recovery goal of 15,000 spawners over the next four generations. Eliminating the harvest of Sockeye Salmon altogether increased predicted recovery prospects to a maximum of 69%, suggesting that factors other than fisheries are contributing to the lack of recovery (e.g., ocean conditions) and that harvest management alone is unlikely to lead to recovery with a high degree of certainty. We developed a generalized migration, harvest, and catch monitoring simulation model to quantify how different monitoring scenarios might improve estimates for mixed-stock harvest rates. Increasing the number of specimens collected for genetic samples improved the harvest rate estimates for each stock caught in the mixed-stock fisheries, particularly for the smallest stocks, and relative to single sampling events conducted near the peak of the return migration, weekly sampling improved estimates only slightly but provided insurance against missing the peak of the return migration. Our study highlights collaborative research initiated and directed by the Nuxalk Nation to promote the recovery of a depressed stock that is inherent to traditional foods, thereby contributing to a global effort to integrate Indigenous cultural values with biological conservation.
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 | 0,000 | 0,000 |
| 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 ».