Trends in the exploitation of South Atlantic shark populations
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
Approximately 25% of globally reported shark catches occur in Atlantic pelagic longline fisheries. Strong declines in shark populations have been detected in the North Atlantic, whereas in the South Atlantic the situation is less clear, although fishing effort has been increasing in this region since the late 1970s. We synthesized information on shark catch rates (based on 871,177 sharks caught on 86,492 longline sets) for the major species caught by multiple fleets in the South Atlantic between 1979 and 2011. We complied records from fishing logbooks of fishing companies, fishers, and onboard observers that were supplied to Brazilian institutions. By using exploratory data analysis and literature sources, we identified 3 phases of exploitation in these data (Supporting Information). From 1979 to 1997 (phase A), 5 fleets (40 vessels) fished mainly for tunas. From 1998 to 2008 (phase B), 20 fleets (100 vessels) fished for tunas, swordfishes, and sharks. From 2008 to 2011 (phase C), 3 fleets (30 vessels) fished for multiple species, but restrictive measures were implemented. We used generalized linear models to standardize catch rates and identify trends in each of these phases. Shark catch rates increased from 1979 to 1997, when fishing effort was low, decreased from 1998 to 2008, when fishing effort increased substantially, and remained stable or increased from 2008 to 2011, when fishing effort was again low. Our results indicate that most shark populations affected by longlines in the South Atlantic are currently depleted, but these populations may recover if fishing effort is reduced accordingly. In this context, it is problematic that comprehensive data collection, monitoring, and management of these fisheries ceased after 2012. Concurrently with the fact that Brazil is newly identified by FAO among the largest (and in fastest expansion) shark sub-products consumer market worldwide.
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) | 0,000 | 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