Global marine fisheries discards: A synthesis of reconstructed data
Notice bibliographique
Résumé
Abstract As part of the global marine fisheries catch reconstruction project conducted by the Sea Around Us over the last decade, estimates were derived for discards in all major fisheries in the world. The reconstruction process derives conservative but non‐zero time‐series estimates for every fisheries component known to exist, and relies on a wide variety of data and information sources and on conservative assumptions to ensure comprehensive and complete time‐series coverage. Globally, estimated discards increased from under 5 million t/year (t = 1,000 kg) in the early 1950s to a peak of 18.8 million t in 1989, and gradually declined thereafter to levels of the late 1950s of less than 10 million t/year. Thus, estimated discards represented between 10% and 20% of total reconstructed catches (reported landings + unreported landings + unreported discards) per year up to the year 2000, after which estimated discards accounted for slightly less than 10% of total annual catches. Most discards were generated by industrial (i.e. large‐scale) fisheries. Discarding occurred predominantly in northern Atlantic waters in the earlier decades (1950s–1980s), after which discarding off the West Coast of Africa dominated. More recently, fleets operating in Northwest Pacific and Western Central Pacific waters generated the most discards. In most areas, discards consist essentially of marketable taxa, suggesting a combination of poor fishing practices and poor management procedures is largely responsible for the waste discarding represents. This is important in an era of increasing food security and human nutritional health concerns, especially in developing countries.
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 | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,014 | 0,016 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».