Long‐term declines and recovery of meadow area across the world’s seagrass bioregions
Notice bibliographique
Résumé
Abstract As human impacts increase in coastal regions, there is concern that critical habitats that provide the foundation of entire ecosystems are in decline. Seagrass meadows face growing threats such as poor water quality and coastal development. To determine the status of seagrass meadows over time, we reconstructed time series of meadow area from 175 studies that surveyed 547 sites around the world. We found an overall trajectory of decline in all seven bioregions with a global net loss of 5602 km2 (19.1% of surveyed meadow area) occurring since 1880. Declines have typically been non‐linear, with rapid and historical losses observed in several bioregions. The greatest net losses of area occurred in four bioregions (Tropical Atlantic, Temperate North Atlantic East, Temperate Southern Oceans and Tropical Indo‐Pacific), with declining trends being the slowest and most consistent in the latter two bioregions. In some bioregions, trends have recently stabilised or reversed. Losses, however, still outweigh gains. Despite consistent global declines, meadows show high variability in trajectories, within and across bioregions, highlighting the importance of local context. Studies identified 12 different drivers of meadow area change, with coastal development and water quality as the most commonly cited. Overall, however, attributions were primarily descriptive and only 10% of studies used inferential attributions. Although ours is the most comprehensive dataset to date, it still represents only one‐tenth of known global seagrass extent, with conspicuous historical and geographic biases in sampling. It therefore remains unclear whether the bioregional patterns of change documented here reflect changes in the world's unmonitored seagrass meadows. The variability in seagrass meadow trajectories, and the attribution of change to numerous drivers, suggest we urgently need to improve understanding of the causes of seagrass meadow loss if we are to improve local‐scale management.
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 | 0,003 |
| 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) | 0,001 | 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 ».