Fishing Effort and Associated Catch per Unit Effort for Small-Scale Fisheries in the Mozambique Channel Region: 1950–2016
Notice bibliographique
Résumé
The Mozambique Channel region in East Africa has diverse marine ecosystems and serves as a migratory corridor for economically important species. Local and foreign industrial fisheries operate in the Mozambique Channel, but regional small-scale fisheries are the crucially important fisheries that provide food security, livelihoods, and economic opportunities for rural coastal communities. This study reconstructed and investigated trends in the fishing effort and catch per unit effort (CPUE) of small-scale marine fisheries in four Exclusive Economic Zones (EEZ) that constitute the Mozambique Channel, i.e., Union of Comoros, Madagascar, Mayotte, and Mozambique, from 1950 to 2016. Effective fishing effort for small-scale fisheries in the form of fishing capacity in kWdays (i.e., kilowatt days) was derived using the number, length, motorization (engine power) by fishing vessels, as well as an approximate human-powered equivalent for shore-based fishers without vessels, as well as days of fishing per year. Effective small-scale fishing effort in the Mozambique Channel increased by nearly 60 times from just over 386,000 kWdays in 1950 to over 23 million kWdays in 2016. Correspondingly, the overall small-scale CPUE, based on previously and independently reconstructed catch data declined by 91% in the region as a whole, from just under 175 kg⋅kWday–1 in the early 1950s to just over 15 kg⋅kWday–1 in recent years. All four EEZs showed the strongest declines in the small-scale CPUE in the earlier decades, driven by motorization and growth in vessel numbers impacting effective fishing effort. Increased motorization combined with a substantial growth in overall vessel numbers were the drivers of the increasing fishing effort and decreasing CPUE, and clearly suggest that continuing to increase the fishing capacity of small-scale fisheries in the absence of effective and restrictive management actions may exacerbate overexploitation risk.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».