China's distant‐water fisheries in the 21st century
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 We conservatively estimate the distant‐water fleet catch of the P eople's R epublic of C hina for 2000–2011, using a newly assembled database of reported occurrence of Chinese fishing vessels in various parts of the world and information on the annual catch by vessel type. Given the unreliability of official statistics, uncertainty of results was estimated through a regionally stratified M onte C arlo approach, which documents the presence and number of Chinese vessels in Exclusive Economic Zones and then multiplies these by the expected annual catch per vessel. We find that C hina, which over‐reports its domestic catch, substantially under‐reports the catch of its distant‐water fleets. This catch, estimated at 4.6 million t year −1 (95% central distribution, 3.4–6.1 million t year −1 ) from 2000 to 2011 (compared with an average of 368 000 t·year −1 reported by China to FAO ), corresponds to an ex‐vessel landed value of 8.93 billion € year −1 (95% central distribution, 6.3–12.3 billion). Chinese distant‐water fleets extract the largest catch in African waters (3.1 million t year −1 , 95% central distribution, 2.0–4.4 million t), followed by Asia (1.0 million t year −1 , 0.56–1.5 million t), Oceania (198 000 t year −1 , 144 000–262 000 t), Central and South America (182 000 t year −1 , 94 000–299 000 t) and Antarctica (48 000 t year −1 , 8 000–129 000 t). The uncertainty of these estimates is relatively high, but several sources of inaccuracy could not be fully resolved given the constraints inherent in the underlying data and method, which also prevented us from distinguishing between legal and illegal catch.
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 | 0,000 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 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