Contrasting Global Trends in Marine Fishery Status Obtained from Catches and from Stock Assessments
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
There are differences in perception of the status of fisheries around the world that may partly stem from how data on trends in catches over time have been used. On the basis of catch trends, it has been suggested that about 70% of all stocks are overexploited due to unsustainable harvesting and 30% of all stocks have collapsed to <10% of unfished levels. Catch trends also suggest that over time an increasing number of stocks will be overexploited and collapsed. We evaluated how use of catch data affects assessment of fisheries stock status. We analyzed simulated random catch data with no trend. We examined well-studied stocks classified as collapsed on the basis of catch data to determine whether these stocks actually were collapsed. We also used stock assessments to compare stock status derived from catch data with status derived from biomass data. Status of stocks derived from catch trends was almost identical to what one would expect if catches were randomly generated with no trend. Most classifications of collapse assigned on the basis of catch data were due to taxonomic reclassification, regulatory changes in fisheries, and market changes. In our comparison of biomass data with catch trends, catch trends overestimated the percentage of overexploited and collapsed stocks. Although our biomass data were primarily from industrial fisheries in developed countries, the status of these stocks estimated from catch data was similar to the status of stocks in the rest of the world estimated from catch data. We conclude that at present 28-33% of all stocks are overexploited and 7-13% of all stocks are collapsed. Additionally, the proportion of fished stocks that are overexploited or collapsed has been fairly stable in recent years.
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 | 0,000 |
| 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) | 0,013 | 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