Ocean-wide tracking of pelagic sharks reveals extent of overlap with longline fishing hotspots
Notice bibliographique
Résumé
Overfishing is arguably the greatest ecological threat facing the oceans, yet catches of many highly migratory fishes including oceanic sharks remain largely unregulated with poor monitoring and data reporting. Oceanic shark conservation is hampered by basic knowledge gaps about where sharks aggregate across population ranges and precisely where they overlap with fishers. Using satellite tracking data from six shark species across the North Atlantic, we show that pelagic sharks occupy predictable habitat hotspots of high space use. Movement modeling showed sharks preferred habitats characterized by strong sea surface-temperature gradients (fronts) over other available habitats. However, simultaneous Global Positioning System (GPS) tracking of the entire Spanish and Portuguese longline-vessel fishing fleets show an 80% overlap of fished areas with hotspots, potentially increasing shark susceptibility to fishing exploitation. Regions of high overlap between oceanic tagged sharks and longliners included the North Atlantic Current/Labrador Current convergence zone and the Mid-Atlantic Ridge southwest of the Azores. In these main regions, and subareas within them, shark/vessel co-occurrence was spatially and temporally persistent between years, highlighting how broadly the fishing exploitation efficiently "tracks" oceanic sharks within their space-use hotspots year-round. Given this intense focus of longliners on shark hotspots, our study argues the need for international catch limits for pelagic sharks and identifies a future role of combining fine-scale fish and vessel telemetry to inform the ocean-scale management of fisheries.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».