Combining telemetry and fisheries data to quantify species overlap and evaluate bycatch mitigation strategies in an emergent Canadian Arctic fishery
Notice bibliographique
Résumé
Greenland halibut Reinhardtius hippoglossoides are bottom-dwelling flatfish that support commercial and community fisheries in Baffin Bay, Canada. Recently, exploratory inshore summer fisheries have raised concerns surrounding the bycatch of Greenland sharks Somniosus microcephalus and Arctic skate Amblyraja hyperborea , which are susceptible to overfishing due to their conservative life history traits. To explore fisheries selectivity and opportunities for bycatch mitigation, we combined pop-up satellite archival tags (PSATs) and fisheries data to assess habitat overlap and catch trends across these 3 species. PSAT data showed variable inter-specific overlap, with Greenland sharks primarily inhabiting depths <1000 m (725 ± 193 m), Greenland halibut inhabiting a narrower depth range (1030 ± 113 m), and Arctic skates overlapping depths (950 ± 225 m) of both species. However, fisheries data suggested high inter-specific overlap at deepest depths, with peak catch-per-unit-effort (CPUE) of all species at depths 800-1000 m. A marked decline in Greenland shark CPUE was observed throughout the fishing season which was best explained by cumulative fishing pressure. Combined tagging and fisheries data suggest that targeting specific seasonal habitat will not decrease bycatch, and inshore summer longline fisheries should be evaluated in the context of potentially high elasmobranch mortality, with enforced bycatch handling practices and alternative mitigation measures (e.g. gear modification or reduced soak times) required.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».