An introduction to ‘other effective area‐based conservation measures’ under Aichi Target 11 of the Convention on Biological Diversity: Origin, interpretation and emerging ocean issues
Notice bibliographique
Résumé
Abstract The new term ‘other effective area‐based conservation measures’, or OECMs, was introduced into Aichi Biodiversity Target 11 of the Convention on Biological Diversity's (CBD) Strategic Plan by signatory Parties in 2010. In the intervening period much action has been taken on creating protected areas as the key route to delivering area‐based conservation of biodiversity and ecosystem services. Rather less attention has been paid to OECMs due in part to a lack of guidance on what areas should or should not be included under this label. An IUCN World Conservation Congress Resolution in 2012 called on IUCN's World Commission on Protected Areas (WCPA) to assist the CBD by providing technical guidance on interpretation of the wording in Aichi Biodiversity Target 11. IUCN WCPA established a Task Force in 2015 to provide guidance on OECMs, in terrestrial, freshwater and marine habitats. This Task Force has already met several times and has a global membership of more than 100 experts. The official call made by the CBD in 2016 for guidance explicitly recognizes the role of the IUCN Task Force in fulfilling this guidance need. This paper provides the background to OECMs and an initial analysis on the type and nature of measures that may qualify as OECMs under Aichi Target 11. Successful implementation will be dependent on clear principles and guidance, but also on a far better awareness among conservationists and other sectors on the purpose and scope of all 20 Aichi Targets. The paper will also be of value to discussions and implementation of Sustainable Development Goal 14 on the ocean. Some generic examples of areas likely to qualify as OECMs in the ocean are identified, along with an analysis of how OECMs complement and supplement fisheries and other management measures to promote more sustainable use. Greater recognition and reporting is needed on fisheries measures under Aichi Target 6. All fishery management and exclusion zones will not qualify as OECMs, but they can form essential measures towards achieving delivery of greater sustainability within such extractive industries.
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 | 0,010 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,004 |
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 ».