MétaCan
Menu
Retour à la cohorte
Enregistrement W4312661847 · doi:10.3389/fmars.2022.822467

Same Space, Different Standards: A Review of Cumulative Effects Assessment Practice for Marine Mammals

2022· review· en· W4312661847 sur OpenAlexaff
Emily Hague, Carol Sparling, Ceri Morris, Duncan A. Vaughan, Rebecca Walker, Ross Culloch, Alastair Robert Lyndon, Teresa F. Fernandes, Lauren McWhinnie

Notice bibliographique

RevueFrontiers in Marine Science · 2022
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental and Social Impact Assessments
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNatural Environment Research CouncilSight Research UKNatural EnglandHeriot-Watt University
Mots-clésCumulative effectsStressorPopulationEnvironmental scienceSubmarine pipelineImpact assessmentOffshore wind powerRisk assessmentEnvironmental impact assessmentEnvironmental resource managementEnvironmental healthEcologyComputer scienceEngineeringWind powerBiologyMedicine

Résumé

récupéré en direct d'OpenAlex

Marine mammals are vulnerable to a variety of acute and chronic anthropogenic stressors, potentially experiencing these in isolation, successively and/or simultaneously. Formal assessment of the likely impact(s) of the cumulative effects of multiple stressors on a defined population is carried out through a Cumulative Effects Assessment (CEA), which is a mandatory component of the Environmental Impact Assessment (EIA) process in many countries. However, for marine mammals, the information required to feed into CEA, such as thresholds for disturbance, frequency of multiple (and simultaneous) exposures, interactions between stressors, and individual variation in response, is extremely limited, though our understanding is slowly improving. The gaps in knowledge make it challenging to effectively quantify and subsequently assess the risk of individual and population consequences of multiple disturbances in the form of a CEA. To assess the current state of practice for assessing cumulative effects on marine mammals within UK waters, 93 CEAs were reviewed across eleven maritime industries. An objective framework of thirteen evaluative criteria was used to score each assessment on a scale of 13-52 (weak - strong). Scores varied significantly by industry. On average, the aquaculture industry produced the lowest scoring CEAs, whilst the large offshore windfarm industry (≥ 20 turbines) scored highest, according to the scoring criteria used. There was a significant increase in scores over the sample period (2009-2019), though this was mostly attributed to five industries (cable, large and small offshore wind farms, tidal and wave energy). There was inconsistency in the language used to define and describe cumulative effects and a lack of routinely applied methodology. We use the findings presented here, along with a wider review of the literature, to provide recommendations and discussion points aimed at supporting the standardisation and improvement of CEA practice. Although this research focused on how marine mammals were considered within UK CEAs, recommendations made are broadly applicable to assessments conducted for other receptors, countries and/or environments. Adoption of these proposals would help to ensure a more consistent approach, and would aid decision-makers and practitioners in mitigating any potential impacts, to ensure conservation objectives of marine mammal populations are not compromised.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,041
score de la tête « metaresearch » (Gemma)0,088
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,218

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0410,088
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0170,014
Études des sciences et des technologies0,0010,004
Communication savante0,0050,006
Science ouverte0,0050,003
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,376
Écart entre enseignants0,356 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Marine ScienceMême sujetEnvironmental and Social Impact AssessmentsTravaux en français237 207