Alleviating Growth and Recruitment Overfishing through Simple Management Changes: Insights from an Overexploited Long-Lived Fish
Notice bibliographique
Résumé
Abstract Growth and recruitment overfishing can co-occur when a fishery is subjecting small and immature fish in conjunction with adult fish to excessive exploitation rates such that it reduces the spawning biomass to the point where recruitment is significantly impaired. Such conditions are generally evident in open-access fisheries and are especially detrimental to long-lived species as they reach maturity at older ages. Here, we investigate the conditions of a long-lived lutjanid, Malabar Blood Snapper Lutjanus malabaricus, in Kuwait waters, for which catches declined by about 95% between 1995 and 2009 with negligible recovery afterward, yet exploitation rates are likely high and remain hardly regulated. Using an age-structured model and length and age distributions for over 47,000 Malabar Blood Snapper, we (1) underscore the impacts of recruitment and growth overfishing on fish biomass and catch and (2) demonstrate the efficacy of improving the size limit policy to address both issues. The proportion of small fish (length-classes <50 cm; age-classes = 1–4 years) in the catch rose from 40–50% in 1981 to over 70% between 1992 and 1998, indicating growth overfishing. Due to the selection of immature fish at high exploitation rates, the age-structured model showed that recruitment dropped virtually linearly with decreasing biomass by the mid-1990s, implying recruitment overfishing. Future scenarios show that by increasing the current mean age at vulnerability (1 year or 34 cm) to the age at first maturity (5 years or 61 cm), biomass and catch would increase by at least 300% and 130%, respectively, relative to status quo. Biomass would rebuild to higher levels if exploitation rates are regulated at sustainable levels. Our study highlights the importance of simple management changes in alleviating both types of overfishing, particularly when open-access conditions cannot be rapidly remedied due to weak management institutions.
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 | 0,001 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».