Beyond Post-release Mortality: Inferences on Recovery Periods and Natural Mortality From Electronic Tagging Data for Discarded Lamnid Sharks
Notice bibliographique
Résumé
Accurately characterizing the biology of a pelagic shark species is critical when assessing its status and resilience to fishing pressure. Natural mortality ( M ) is well known to be a key parameter determining productivity and resilience, but also one for which estimates are most uncertain. While M can be inferred from life history, validated direct estimates are extremely rare for sharks. Porbeagle ( Lamna nasus ) and shortfin mako ( Isurus oxyrinchus ) are presently overfished in the North Atlantic, but there are no directed fisheries and successful live release of bycatch is believed to have increased. Understanding M , post-release mortality (PRM), and variables that affect mortality are necessary for management and effective bycatch mitigation. From 177 deployments of archival satellite tags, we inferred mortality events, characterized physiological recovery periods following release, and applied survival mixture models to assess M and PRM. We also evaluated covariate effects on the duration of any recovery period and PRM to inform mitigation. Although large sample sizes involving extended monitoring periods (>90 days) would be optimal to directly estimate M from survival data, it was possible to constrain estimates and infer probable values for both species. Furthermore, the consistency of M estimates with values derived from longevity information suggests that age determination is relatively accurate for these species. Regarding bycatch mitigation, our analyses suggest that juvenile porbeagle are more susceptible to harm during capture and handling, that keeping lamnid sharks in the water during release is optimal, and that circle hooks are associated with longer recovery periods for shortfin mako.
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 | 0,001 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| 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 ».