Monitoring elasmobranch assemblages in a data-poor country from the Eastern Tropical Pacific using baited remote underwater video stations
Notice bibliographique
Résumé
Understanding how threatened species are distributed in space and time can have direct applications to conservation planning. However, implementing standardized methods to monitor populations of wide-ranging species is often expensive and challenging. In this study, we used baited remote underwater video stations (BRUVS) to quantify elasmobranch abundance and distribution patterns across a gradient of protection in the Pacific waters of Costa Rica. Our BRUVS survey detected 29 species, which represents 54% of the entire elasmobranch diversity reported to date in shallow waters (< 60 m) of the Pacific of Costa Rica. Our data demonstrated that elasmobranchs benefit from no-take MPAs, yet large predators are relatively uncommon or absent from open-fishing sites. We showed that BRUVS are capable of providing fast and reliable estimates of the distribution and abundance of data-poor elasmobranch species over large spatial and temporal scales, and in doing so, they can provide critical information for detecting population-level changes in response to multiple threats such as overfishing, habitat degradation and climate change. Moreover, given that 66% of the species detected are threatened, a well-designed BRUVS survey may provide crucial population data for assessing the conservation status of elasmobranchs. These efforts led to the establishment of a national monitoring program focused on elasmobranchs and key marine megafauna that could guide monitoring efforts at a regional scale.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».