‘Reported’ versus ‘likely’ fisheries catches of four Mediterranean countries
Notice bibliographique
Résumé
The fisheries catch statistics that member countries report annually to the Food and Agriculture Organization of the United Nations were compared, for the years 1950 to 2010, with ‘reconstructed’, and more likely catch data from the Mediterranean coasts of mainland Spain, France, Italy and Turkey. Reconstructed catches were 2.6 times higher than those submitted to the FAO by these countries in the 1950s, and 1.8 times higher since 2000. If discarded by-catch is ignored they were 2.3 and 1.6 times higher, respectively. The contributors to the reconstructed catch from 1950 to 2010 were large-scale industrial fisheries (46%), discards (29%), artisanal fisheries (10%), recreational fisheries (9%) and subsistence fisheries (6%). The non-reported catch was high in all fishing sectors, including industrial, artisanal and recreational fisheries. The non-inclusion of discards in national and FAO statistics undermines the transition to ecosystem-based fisheries management, but needs to be overcome, as discards must be tracked before discarding itself is eliminated. The systematic underestimation of small-scale fisheries is part of a global phenomenon that will have to be overcome if the potential of these fisheries for sustainable exploitation of coastal systems is to be realized, perhaps in the context of reducing overall fishing capacity, which is excessive in the Mediterranean Sea as elsewhere in the world.
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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 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 ».