MétaCan
Menu
Retour à la cohorte
Enregistrement W4414948063 · doi:10.1093/icesjms/fsaf175

Applying a joint-species spatio-temporal model to guide the reduction of bycatch in longline fisheries with a case study on swordfish in the Southwestern Pacific Ocean

2025· article· en· W4414948063 sur OpenAlexfundno aff
Jhen Hsu, Zi-Wei Yeh, Yi‐Jay Chang, Michelle Sculley, André E. Punt

Notice bibliographique

RevueICES Journal of Marine Science · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesFisheries Agency,Council of AgricultureMinistry of Agriculture - Saskatchewan
Mots-clésBycatchSwordfishFishingPelagic zoneFisheries managementDiscardsTuna

Résumé

récupéré en direct d'OpenAlex

Abstract Longline fisheries targeting tunas often result in substantial bycatch of other pelagic migratory species, leading to ecological and economic challenges for fisheries management. This study employed Vector Autoregressive Spatio-Temporal (VAST) models to identify effective spatial fishery closures to support swordfish (SWO) bycatch management while maintaining viable bigeye tuna (BET) fisheries in the Southwestern Pacific Ocean. We compared single- and joint-species modelling approaches within the VAST framework to evaluate whether accounting for species associations could improve our understanding of spatial distribution patterns for SWO and BET using catch and effort data from Taiwan’s distant-water longline (TWN DWLL) fishery during 2016–2023 in the high seas north of 20°S (0°–20°S, 110°–165°W). To evaluate potential spatial closures, we developed a bycatch risk index (BRI) that integrates both SWO bycatch hotspots and BET density, allowing for systematic analysis of trade-offs between bycatch reduction and fishery operations. We also assessed the potential impacts of implementing spatial closures on SWO and BET catches for major fleets (i.e. Japan, China, and Korea) operating in the study area. Results indicated that the joint-species model demonstrated superior performance, with a lower AIC value and a 1.1–3.0% higher predictive probability in spatially cross-validation compared to single-species models. Our analysis found a strong negative spatial correlation between SWO and BET, with a persistent high-risk area for SWO bycatch between 0°–5°S and 110°–140°W. Analysis of various BRI thresholds showed that moderate thresholds (60% BRI) provided an optimal balance, achieving an expected 36% reduction in SWO catch while limiting BET catch reduction to 12%, and fishing effort reduction to 18% for the TWN DWLL. In addition, the joint-species model generally outperformed single-species approaches for various BRI thresholds, demonstrating more spatially efficient closures by better accounting for species associations. This pattern was consistent across other major fleets operating in the SPO, including Japan, China, and Korea. The methodology developed here offers a quantitative framework for evaluating conservation-fishery viability trade-offs in mixed-species fisheries and could be adapted for other fisheries facing similar bycatch challenges.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,073
Score d'incertitude au seuil0,145

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,037
Tête enseignante GPT0,289
Écart entre enseignants0,253 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueICES Journal of Marine ScienceMême sujetMarine and fisheries researchTravaux en français237 207