Notice bibliographique
Résumé
Abstract Subsidies to the fishing industry are common worldwide, and it is well accepted that these subsidies contribute to overcapacity in fishing fleets and overexploitation of fisheries resources. To date, however, most of the quantitative estimates of these subsidies reported in the literature have been at either the multicountry or global level. Estimates are rarely based on a detailed accounting of individual subsidy programs, limiting both their accuracy and usefulness for management decisions. The present analysis helps fill this gap with respect to U.S. fisheries subsidies. Here, we report estimates of the different types of subsidies paid to the fishing sector by different levels of government in the USA. Our analysis shows that from 1996 to 2004, the U.S. fishing industry received a total of US$6.4 billion (1 billion = 109) in government subsidies (an average of $713 million per year), federal funds accounting for 79% of this total. This estimate is conservative because it does not include funding for fisheries management, port construction and maintenance, or subsidy program administration. Federal and state fuel subsidies (44% combined) and federal and state fisheries research (40% combined) accounted for the vast majority of fisheries subsidies. The next three largest subsidies were state sales tax subsidies (5%), disaster aid (4%), and fishing access payments (3%). Distribution was heavily weighted toward Alaska and the western Pacific and toward Pacific salmon Oncorhynchus spp. and tunas (family Scombridae). Similar detailed examinations of fisheries subsidies in other countries will be necessary in the likely event that the World Trade Organization establishes rules prohibiting subsidies that contribute to overcapacity.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».