Hyperstability in an inland recreational fishery: Are catch-per-unit-effort data masking the magnitude of steelhead declines?
Notice bibliographique
Résumé
Abstract Objective Recreational fisheries are complex social–ecological systems, with interactions and feedbacks across local and regional scales and among individual fish, anglers, and managers. Understanding the link between true fish abundance and angler catch per unit effort (CPUE) is crucial to inform management decisions in these systems, especially in the absence of independent monitoring data. For instance, the relationship between fish abundance and CPUE could be linear or nonlinear, such as a hyperstable relationship, which occurs when CPUE remains high even as population abundance declines. We investigated the relationship between fisheries-independent abundance and CPUE in steelhead Oncorhynchus mykiss and evaluated the extent to which hyperstability may obscure underlying population declines. Methods We analyzed the relationship between steelhead abundance and CPUE in 14 streams across the province of British Columbia, Canada. To explore the impact of hyperstability on our capacity to detect changes in abundance, we simulated three scenarios of steelhead decline, comparing the rate of change in CPUE versus abundance. Results Our findings revealed sweeping patterns of hyperstability, indicating that when populations are depressed, CPUE does not decrease as rapidly as abundance. Additionally, we found that the magnitude of CPUE overestimation varied with the extent of population decline. For example, when the population declined by 50%, CPUE decreased by only 40%, representing a 28% overestimation of remaining abundance. This disparity increased in more extreme scenarios of decline. Conclusions Our findings underscore that catch data can mask fish population declines and highlight the need for improved fish population monitoring in recreational fisheries.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 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 ».