Addressing distribution equity in spatial conservation prioritization for small-scale fisheries
Notice bibliographique
Résumé
Spatial conservation prioritization is used worldwide for designing marine protected areas (MPA) that achieve set conservation objectives with minimal impacts to marine users. People involved in small-scale fisheries (SSF) may incur negative and disproportionate impacts from implementing MPAs, yet limited available data often restricts their representation in MPA planning. Using a Philippines case study, we focus here on the systematic design of a MPA network that aims to minimize and distribute costs equitably for SSF whilst achieving representation targets for biodiversity conservation. The objectives of the study are to: (1) document a participatory mapping approach for collecting SSF data for prioritization using the local knowledge of fishers; and (2) examine how the completeness and resolution of SSF data may affect prioritization outputs in terms of biodiversity representation, spatial efficiency, and distribution equity. In the data-poor region, we conducted participatory mapping workshops with fishers in 79 communities to collect data on the spatial distribution patterns of different SSF fisheries and communities, and employed remote sensing techniques to define coastal habitats, which were targeted for inclusion in MPAs. The datasets were integrated within the decision-support tool Marxan with Zones to develop three scenarios. The SSF data incorporated in each scenario varied based on their completeness (considered all fishing methods or only dominant methods) and resolution (fishing methods itemized by community or municipality). All scenarios derived MPA plans that met representation targets with similar area coverage. The outputs, however, varied in terms of distribution equity, measured by the distribution of opportunity costs (loss of fishing grounds) across different fisheries and communities. Scenarios that did not include minority fisheries or variations between communities, led to inequitable costs. These results highlight the need to incorporate detailed data on SSF at appropriate resolutions, and how this can be achieved through participatory approaches.
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 | 0,019 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».