Mangroves enhance local fisheries catches: a global meta‐analysis
Notice bibliographique
Résumé
Abstract Mangroves are among the most productive ecosystems in tropical and subtropical regions. Historically, mangroves are assumed to support artisanal fisheries, leading decision‐makers to protect mangroves based on this premise. However, this relationship remains unclear, despite positive correlations obtained in different geographical regions. Here, we provide the first meta‐analysis of the mangroves–fisheries linkage at a global level. After conducting a systematic review, 23 publications containing 51 studies estimating the mangrove–fishery linkage were obtained. A random effect model was used to estimate the effect size (Pearson's correlation coefficient) of each individual study as well as the overall effect size. We found strong evidence for the mangrove–fishery linkage with an overall effect size of r = 0.72 (95% CI: 0.61–0.81), and substantial heterogeneity was observed (Q = 143.88, df = 50, P < 0.01). The countries where the studies were carried out were the only significant moderator (QM = 26.07, P < 0.01), while fisheries types (i.e. crab, fish, shellfish, prawn and total) and global regions were not good predictors of the relationship. Our results show that mangrove area is a good predictor of fishery catches overall, confirming the importance of conserving such habitats.
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 | 0,013 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,031 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».