Linking habitat and population dynamics to inform conservation benchmarks for data-limited salmon stocks
Notice bibliographique
Résumé
Abstract Management of data-limited populations is a key challenge to the sustainability of fisheries around the world. For example, sockeye salmon ( Oncorhynchus nerka ) spawn and rear in many remote coastal watersheds of British Columbia (BC), Canada, making population assessment a challenge. Estimating conservation and management targets for these populations is particularly relevant given their importance to First Nations and commercial fisheries. Most sockeye salmon have obligate lake-rearing as juveniles, and total abundance is typically limited by production in rearing lakes. Although methods have been developed to estimate population capacity based on nursery lake photosynthetic rate (PR) and lake area or volume, they have not yet been widely incorporated into stock-recruit analyses. We tested the value of combining lake-based capacity estimates with traditional stock-recruit based approaches to assess population status using a hierarchical-Bayesian stock-recruit model for 70 populations across coastal BC. This analysis revealed regional variation in sockeye population productivity (Ricker α), with coastal stocks exhibiting lower mean productivity than those in interior watersheds. Using moderately-informative PR estimates of capacity as priors reduced model uncertainty, with a more than five-fold reduction in credible interval width for estimates of conservation benchmarks (e.g. S MAX - spawner abundance at carrying capacity). We estimated that almost half of these remote sockeye stocks are below one commonly applied conservation benchmarks (S MSY ), despite substantial reductions in fishing pressure in recent decades. Thus, habitat-based capacity estimates can dramatically reduce scientific uncertainty in model estimates of management targets that underpin sustainable sockeye fisheries. More generally, our analysis reveals opportunities to integrate spatial analyses of habitat characteristics with population models to inform conservation and management of exploited species where population data are limited.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».