Age is not just a number—Mathematical model suggests senescence affects how fish populations respond to different fishing regimes
Notice bibliographique
Résumé
Abstract Senescence is often described as an age‐dependent increase in natural mortality (known as actuarial senescence) and an age‐dependent decrease in fecundity (known as reproductive senescence), and its role in nature is still poorly understood. Based on empirical estimates of reproductive and actuarial senescence, we used mathematical simulations to explore how senescence affects the population dynamics ofCoregonus albula, a small, schooling salmonid fish. Using an empirically based eco‐evolutionary model, we investigated how the presence or absence of senescence affects the eco‐evolutionary dynamics of a fish population during pristine, intensive harvest, and recovery phases. Our simulation results showed that the presence or absence of senescence affected how the population responded to the selection regime. At an individual level, gillnetting caused a larger decline in asymptotic length when senescence was present, compared to the nonsenescent population, and the opposite occurred when fishing was done by trawling. This change was accompanied by evolution toward younger age at maturity. At the population level, the change in biomass and number of fish in response to different fishery size‐selection patterns depended on the presence or absence of senescence. Since most life‐history and fisheries models ignore senescence, they may be over‐estimating reproductive capacity and under‐estimating natural mortality. Our results highlight the need to understand the combined effects of life‐history characters such as senescence and fisheries selection regime to ensure the successful management of our natural resources.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».