MétaCan
Menu
Retour à la cohorte
Enregistrement W4407135392 · doi:10.1139/facets-2024-0064

The decline of walleye populations: an ecological tipping point?

2025· article· en· W4407135392 sur OpenAlexvenueno aff
Greg G. Sass

Notice bibliographique

RevueFACETS · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Fish and Wildlife ServiceWisconsin Department of Natural Resources
Mots-clésTipping point (physics)EcologyGeographyEnvironmental scienceBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

Walleye/ogaa ( Sander vitreus (Mitchill)) (hereafter, walleye; ogaa = Ojibwe translation) populations have historically supported important multi-use, harvest-oriented fisheries. Despite intensive management, walleye populations have declined in the midwestern United States raising concerns about the sustainability of the species. Numerous factors have been implicated in walleye population declines, including climate change, habitat loss, invasive species, species-interactions, production overharvest (i.e., harvest consistently exceeding annual production), and changing angler behaviors. These factors have negatively influenced natural recruitment and contributed to depensatory recruitment dynamics. I provide a review and perspective suggesting that the current trajectory of walleye populations is at or nearing an ecological tipping point. Although fish populations are often considered compensatory (i.e., negatively density-dependent), current walleye populations appear prone to depensation (i.e., positive density dependence). My review and perspective suggest that a compensatory management perspective for walleye is misaligned. A change in management towards a depensatory resource focus using ecosystem-based fisheries management and the recognition of walleye fisheries as social–ecological systems is needed for conservation. If compensatory management ensues, walleye persistence will likely be further threatened because many drivers of change are outside of managerial control, and those commonly used within managerial control have seemingly been ineffective for sustaining or rehabilitating naturally reproducing walleye populations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,340
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,323
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFACETSMême sujetMarine and fisheries researchTravaux en français237 207