Considering the ‘effort factor’ in fisheries : a methodology for reconstructing global fishing effort and carbon dioxide emissions, 1950 - 2010
Notice bibliographique
Résumé
Whether or not fisheries are sustainable not only affects ocean health, but also human health; a large portion of the population depends on marine ecosystems for food, livelihoods and social values. Our understanding of how fishing impacts the environment is lacking and under the threats of global climate change, the extent to which the ocean can continue to provide goods and services is questionable. Chapter 1 introduces some critical knowledge gaps in fisheries and problems with how marine resources have been managed in the past. Chapter 2 describes a methodology that can be used to quantify and reconstruct historical fishing effort to create a global fishing effort database. Historically fisheries management has not given adequate consideration to the ‘effort factor’, potentially resulting in the mismanagement of marine resources. The methodology was applied to the Exclusive Economic Zones of 9 maritime countries, and preliminary results suggest that, although fishing effort appears to be stabilizing, catch per unit of effort is decreasing. Chapter 3 uses the fishing effort calculated in Chapter 2 to estimate the CO₂ emissions from fishing over time. Fishing is not perceived as an important contributor to greenhouse gas emissions and climate change, despite using fishing vessels that rely on the combustion of fossil fuels (Wilson 1999). As in Chapter 2, the methodology was applied to 9 EEZs. It was found that the CO₂ per unit of catch (CO₂PUC; tonnes) increased, despite increases in fuel efficiency, and the industrial sector emitted 3 times more CO₂PUC than the small-scale sector in 2010. It was estimated that fishing contributes approximately between 2.8 – 5.2% to global CO₂ emissions annually. The final chapter, Chapter 4, discusses the preliminary results of the 9 sample EEZs within the context of the sustainability of fisheries and what it means to be sustainable.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».