Does incidental fisheries bycatch in Canadian waters have population level impacts for northern fulmars breeding in Arctic Canada?
Notice bibliographique
Résumé
Northern fulmar (Fulmarus glacialis) populations breeding in Arctic Canada are vulnerable to incidental seabird bycatch due to their ecology and overlapping foraging range with fisheries activities. The Greenland halibut (Reinhardtius hippoglossoides) fishery off eastern Baffin Island, Nunavut, catches fulmars incidentally in numbers that may have population-level implications for this species within Canada. We provide an assessment of the potential impacts of fisheries on fulmars that incorporates recent results from genetics, colony censuses, bycatch data from fisheries in the eastern Canadian Arctic and farther south in Atlantic Canada, and assessments of bycatch reporting error. We use Population Viability Analysis (PVA) incorporating biological removal from multiple fulmar source populations across a range of probable levels of bycatch removal. We demonstrate that, relative to conservatively optimistic baseline PVA models, low to average levels of probable bycatch taken between two distinct fisheries regions across fulmar source populations are likely to severely impede recovery or cause long-term declines of the total northern fulmar population in Arctic Canada. Importantly, it was necessary to consider the cumulative impacts of both southern and northern Canadian fisheries; models considering fisheries separately might suggest the impact is sustainable, whereas the combined impact is not. Given the high likelihood that bycatch in Canadian fisheries is having negative impacts on the Arctic northern fulmar population, we suggest that targeted bycatch mitigation strategies should be implemented.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».