Assessing the environmental status of selected North Atlantic deep-sea ecosystems
Notice bibliographique
Résumé
The deep sea is the largest biome on Earth but the least explored. Our knowledge of it comes from scattered sources spanning different spatial and temporal scales. Implementation of marine policies like the European Union’s Marine Strategy Framework Directive (MSFD) and support for Blue Growth in the deep sea are therefore hindered by lack of data. Integrated assessments of environmental status require tools to work with different and disaggregated datasets (e.g. density of deep-sea habitat-forming species, body-size distribution of commercial fishes, intensity of bottom trawling) across spatial and temporal scales. A feasibility study was conducted as part of the four-year ATLAS project to assess the effectiveness of the open-access Nested Environmental status Assessment Tool (NEAT) to assess deep-sea environmental status. We worked at nine selected study areas in the North Atlantic focusing on five MSFD descriptors (D1-Biodiversity, D3-Commercial fish and shellfish, D4-Food webs, D6-Seafloor integrity, D10-Marine litter). The objectives of the present study were to i) explore and propose indicators that could be used in the assessment of deep-sea environmental status, ii) evaluate the performance of NEAT in the deep sea, and iii) identify challenges and opportunities for the assessment of deep-sea status. Based on data availability, data quality and expert judgement, in total 24 indicators (one for D1, one for D3, seven for D4, 13 for D6, two for D10) were used in the assessment of the nine study areas, their habitats and ecosystem components. NEAT analyses revealed differences among the study areas for their environmental status ranging from “poor” to “high”. Overall, the NEAT results were in moderate to complete agreement with expert judgement, previous assessments, scientific literature on human-pressure gradients and expected management outcomes. We suggest that the assessment of deep-sea environmental status should take place at habitat and ecosystem level (rather than at species level) and at relatively large spatial scales, in comparison to shallow-water areas. Limited knowledge across space (e.g. distribution of habitat-forming species) and the scarcity of long-term data sets limit our knowledge about natural variability and human impacts in the deep sea preventing a more systematic assessment of habitat and ecosystem components in the deep sea. However, stronger cross-sectoral collaborations, the use of novel technologies and open data-sharing platforms will be critical for establishing environmental baseline indicator values in the deep sea that will contribute to the science base supporting the implementation of marine policies and stimulating Blue Growth.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».