Exploitation rates of Atlantic salmon and sea trout in recreational fisheries in western Norwegian rivers
Notice bibliographique
Résumé
Information on fish population abundance and the factors affecting fisheries exploitation rates is crucial for sustainable fisheries management. However, this knowledge is often challenging for managers to obtain. We evaluated a novel approach to this problem using data from drift diving surveys where Atlantic salmon and sea-run brown trout were counted across 63 rivers and over a period of 20 years in western Norway together with catch data to estimate exploitation rates of the two species. The average exploitation rate was 33.5 % for salmon and 13.9 % for sea trout. For both species, the exploitation rate depended on the duration of the fishing season and the management regulations imposed through catch restrictions and quotas. For salmon, the exploitation rate also varied among size groups, being greater for small (< 3 kg: 35.6 %) than for large salmon (> 7 kg: 31.7 %) and medium sized salmon (3–7 kg: 31.5 %). There were also indications of exploitation rates being negatively associated with fish density, at least in some rivers, raising concern that populations may be susceptible to overexploitation when densities are low. The total catch rates including catch and release were 41.6 % for salmon and 21.4 % for sea trout, and increased significantly with the proportion of released fish, suggesting that some fish may have been caught and reported several times. The study highlights the importance of population monitoring surveys for evaluating and adapting management strategies in response to the critical situation for anadromous salmonid fishes.
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 | 0,000 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».