Can fishing gear protect non-target fish? Design and evaluation of bycatch reduction technology for commercial fisheries
Notice bibliographique
Résumé
The impacts of commercial fishing extend far beyond direct effects on targeted species. As much as 40% of global marine catch is attributable to bycatch, or the capture of non-target organisms which occurs during fishing. The amount of bycatch in a fishery is determined in part by the selectivity of the industry’s fishing gear, and bycatch mitigation often focuses on improving the selectivity of these gears. This thesis explores bycatch mitigation through the design and evaluation of bycatch reduction devices (BRDs), or fishing gear modifications aimed specifically at reducing non-target catch while maintaining the catch of target species. I examine BRDs using a three-pronged assessment, which tests a modified gear’s effects on non-target catch, on target catch, and on practicality for use in commercial fisheries (all relative to unmodified gear). I first perform a global-scale meta-analysis on technologies designed to protect elasmobranchs (sharks and rays) from longline fisheries. I show that most technologies are broadly ineffective at reducing elasmobranch bycatch, and that many studies fail to adequately assess novel BRDs across all three dimensions of gear performance. The remainder of my thesis focuses on the research and development of BRDs for a British Columbia fishery which employs trapping gear to capture spot prawns (Pandalus platyceros). Using data from fishery-independent surveys, I show that these traps catch rockfish (Sebastes spp.) as bycatch, a multi-species genus which is depleted due to overfishing and which suffers high discard mortality due to barotrauma incurred during the fishing process. I demonstrate that a novel underwater camera system can be used to study prawn traps in situ, and use insights from this analysis to inform the design of BRDs for prawn traps. I conclude my thesis with an assessment of BRDs of my own design, using both catch data and in situ observations conducted using my underwater camera apparatus. Overall, this thesis demonstrates the challenges in designing effective BRDs, and provides a framework for assessment that can be used as a template in future studies of fishing gear design.
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 | 0,010 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,001 | 0,001 |
| 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 ».