Marine and Coastal Cultural Ecosystem Services: knowledge gaps and research priorities
Notice bibliographique
Résumé
Cultural ecosystem services (CES) reflect peoples’ physical and cognitive interactions with nature and are increasingly recognised for providing non-material benefits to human societies. Whereas coasts, seas, and oceans sustain a great proportion of the human population, CES provided by these ecosystems have remained largely unexplored. Therefore, our aims were (1) to analyse the state of research on marine and coastal CES, (2) to identify knowledge gaps, and (3) to pinpoint research priorities and the way forward. To accomplish these objectives, we did a systematic review of the scientific literature and synthesised a subset of 72 peer-reviewed publications. Results show that research on marine and coastal CES is scarce compared to other ecosystem service categories. It is primarily focused on local and regional sociocultural or economic assessments of coastal ecosystems from Western Europe and North America. Such research bias narrows the understanding of social-ecological interactions to a western cultural setting, undermining the role of other worldviews in the understanding of a wide range of interactions between cultural practices and ecosystems worldwide. Additionally, we have identified clusters of co-occurring drivers of change affecting marine and coastal habitats and their CES. Our systematic review highlights knowledge gaps in: (1) the lack of integrated valuation assessments; (2) linking the contribution of CES benefits to human wellbeing; (3) assessing more subjective and intangible CES classes; (4) identifying the role of open-ocean and deep-sea areas in providing CES; and (5) understanding the role of non-natural capital in the co-production of marine and coastal CES. Research priorities should be aimed at filling these knowledge gaps. Overcoming such challenges can result in increased appreciation of marine and coastal CES, and more balanced decision-supporting mechanisms that will ultimately contribute to more sustainable interactions between humans and marine ecosystems.
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 | 0,042 | 0,128 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,015 | 0,015 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,008 | 0,013 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».