A policy-based framework for the determination of management options to protect vulnerable marine ecosystems under the EU deep-sea access regulations
Notice bibliographique
Résumé
Abstract Vulnerable marine ecosystems (VMEs) are particularly susceptible to bottom-fishing activity as they are easily disturbed and slow to recover. A data-driven approach was developed to provide management options for the protection of VMEs under the European Union “deep-sea access regulations.” A total of two options within two scenarios were developed. The first scenario defined VME closure areas without consideration of fishing activity. Option 1 proposed closures for the protection of VME habitats and likely habitat, while Option 2 also included areas where four types of VME geophysical elements were present. The second scenario additionally considered fishing. This scenario used VME biomass—fishing intensity relationships to identify a threshold where effort of mobile bottom-contact gears was low and unlikely to have caused significant adverse impacts. Achieving a high level of VME protection requires the creation of many closures (> 100), made up of many small (∼50 km2) and fewer larger closures (> 1000 km2). The greatest protection of VMEs will affect approximately 9% of the mobile fleet fishing effort, while closure scenarios that avoid highly fished areas reduce this to around 4–6%. The framework allows managers to choose the level of risk-aversion they wish to apply in protecting VMEs by comparing alternative strategies.
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 | 0,037 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,009 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,014 | 0,007 |
| Science ouverte | 0,008 | 0,007 |
| Intégrité de la recherche | 0,012 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 ».