Phylogeny explains capture mortality of sharks and rays in pelagic longline fisheries: a global meta-analytic synthesis
Notice bibliographique
Résumé
Apex and mesopredators such as elasmobranchs are important for maintaining ocean health and are the focus of conservation efforts to mitigate exposure to fishing and other anthropogenic hazards. Quantifying fishing mortality components such as at-vessel mortality (AVM) is necessary for effective bycatch management. We assembled a database for 61 elasmobranch species and conducted a global meta-synthesis to estimate pelagic longline AVM rates. Evolutionary history was a significant predictor of AVM, accounting for up to 13% of variance in Bayesian phylogenetic meta-regression models for Lamniformes and Carcharhiniformes clades. Phylogenetically related species may have a high degree of shared traits that explain AVM. Model-estimated posterior mean AVM rates ranged from 5% (95% HDI 0.1%-16%) for pelagic stingrays and 76% (95% HDI 49%-90%) for salmon sharks. Measures that reduce catch, and hence AVM levels, such as input controls, bycatch quotas and gear technology to increase selectivity are appropriate for species with higher AVM rates. In addition to reducing catchability, handling-and-release practices and interventions such as retention bans in shark sanctuaries and bans on shark finning and trade hold promise for species with lower AVM rates. Robust, and where applicable, phylogenetically-adjusted elasmobranch AVM rates are essential for evidence-informed bycatch policy.
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 | 0,021 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,020 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».