Spatial Management to Reduce Entanglement Risk to North Atlantic Right Whales in Fishing Gear: A Case Study of U.S. Northeast Lobster Fishery 2002–2009
Notice bibliographique
Résumé
Despite the use of gear requirements and access restrictions to manage lobster fishery interactions with north Atlantic right whales since 1997, the population is likely below 370 animals. The Dynamic Area Management (DAM) program (2002–2009) used “real-time” right whale sightings data to provide temporary protection using closures or whale-modified-gear to reduce entanglement. Our ex-post evaluation uses a flexible framework to identify strengths and weaknesses of the program. Biological and economic implications of the program are evaluated using a relative risk of entanglement index (RREI) calculated with spatially and temporally explicit data on density of right whales and fishing effort. An illustrative closure optimization model demonstrates the trade-offs between the non-monetary benefits of risk reduction and the opportunity cost of closures under alternative decision rules (benefit-ranking and cost-effectiveness). Annual aerial sampling to detect DAM areas was low (<3%), yet in some months’ the 17% of area covered by all northeast right whale management areas encompassed up to 70% of the region’s population. Despite their small spatial footprint, dynamic and static measures may have reduced total risk by 6.5% on average, and DAM zones may have created an indirect economic incentive for some fishers to adopt the whale-modified-gear. Similar RREI index values in some months with inverse levels of fishing effort and whale presence highlight the need to consider fishing and whales jointly to reduce risk. These temporal-spatial patterns are critical in policy instrument design. Further, optimization results illustrate how different decision rules can attain equivalent non-monetary benefits of risk reduction at different opportunity costs to industry; the implications of whale-modified-gear and compliance factors are explored. We recommend that DAMs be considered as part of a suite of policy instruments, and highlight how recent technological advances may support lower cost data collection and faster implementation given limited public sector budgets. This case study highlights the need for evaluation of past policy instruments with a lens beyond biological outcomes, and sets the stage for further empirical analysis to better understand harvester responses to management measures designed to protect right whales and the resulting private and public sector trade-offs.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».