Sensitivity and Vulnerability in Marine Environments: an Approach to Identifying Vulnerable Marine Areas
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract: Marine environments have suffered from a lack of quantitative methods for delineating areas that are sensitive or vulnerable to particular stresses, natural and anthropogenic. We define sensitivity as the degree to which marine features respond to stresses, which are deviations of environmental conditions beyond the expected range. Vulnerability can then be defined as the probability that a feature will be exposed to a stress to which it is sensitive. Using these definitions, we provide a quantitative methodology for identifying vulnerable marine areas based on valued ecological features, defined as biological or physical features, processes, or structures deemed by humans to have environmental, social, cultural, or economic significance. The vulnerability of the valued ecological features is a function of their sensitivity to particular stresses and their vulnerability to those stresses. We used the methodology to demonstrate how vulnerable marine areas for two groups of endangered whale species (inshore and offshore) could be identified with a predictive habitat model and acoustic stress surfaces. Acoustic stress surfaces were produced for ferry traffic, commercial shipping traffic, potential offshore oil production, and small‐boat traffic. The vulnerabilities of the two whale groups to the four stressors considered in this example were relatively similar; however, inshore species were more sensitive to on‐shelf, coastal activities such as offshore hydrocarbon production, ferry traffic, and small‐boat traffic. Our approach demonstrates how valued features can be associated with stresses and the likelihood of encountering these stresses (vulnerability) in order to identify geographic areas for management and conservation purposes. The method can be applied to any combination of valued ecological features and stressors.
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.
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 découle