Predation by marine mammals explains recent trends in natural mortality of Pacific Herring (<i>Clupea pallasii</i>) and changes expectations for future biomass
Notice bibliographique
Résumé
Abstract The recovery of marine mammals from historical over-exploitation in the 1970s represents one of the largest changes in trophic structure in the northeast Pacific Ocean over the last century, for which the impacts on key forage species such as Pacific Herring (Clupea pallasii) are poorly understood. This has prompted hypotheses that increasing marine mammal populations are the primary cause for productivity declines for some fish stocks and their lack of recovery to historical abundance levels. In this study, we evaluate such a hypothesis for Pacific Herring by quantifying historical predation rates by key predators, including cetaceans (Pacific Humpbacks, Grey Whales), pinnipeds (Steller Sea Lions, Harbour Seals), and piscivorous fish (Pacific Hake). Predation mortality is quantified via a novel approach that integrates a single-species catch-at-age model with estimates of predator consumption derived from bioenergetic models. We found that predator consumption, largely driven by Humpback Whales, explained increasing Pacific Herring natural mortality rates in recent years and could be used to forecast future mortality. Incorporating higher future natural mortality rates produced higher estimates of current stock status (1.09–1.2$B_0$) based on lower estimates of equilibrium unfished biomass (17.5–20.3 kt). Conversely, models that assumed mortality was more like the historical average had lower stock status (0.63$B_0$) and higher estimates of unfished biomass (32.4 kt). We demonstrate a practical approach for ecosystem modelling that can be used to develop operating model scenarios for management strategy evaluation, improving scientific defensibility by removing an element of analyst choice for future mortality scenarios. We discuss how simpler modifications to single-species model assumptions can be more pragmatic for providing fisheries management advice, while more complex multi-species or ecosystem models might provide more nuanced insights for exploring research questions related to multi-species ecosystems and fisheries interactions.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 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 ».