Conservation successes and challenges for wide-ranging sharks and rays
Notice bibliographique
Résumé
Overfishing is the most significant threat facing sharks and rays. Given the growth in consumption of seafood, combined with the compounding effects of habitat loss, climate change, and pollution, there is a need to identify recovery paths, particularly in poorly managed and poorly monitored fisheries. Here, we document conservation through fisheries management success for 11 coastal sharks in US waters by comparing population trends through a Bayesian state-space model before and after the implementation of the 1993 Fisheries Management Plan for Sharks. We took advantage of the spatial and temporal gradients in fishing exposure and fisheries management in the Western Atlantic to analyze the effect on the Red List status of all 26 wide-ranging coastal sharks and rays. We show that extinction risk was greater where fishing pressure was higher, but this was offset by the strength of management engagement (indicated by strength of National and Regional Plan of Action for sharks and rays). The regional Red List Index (which tracks changes in extinction risk through time) declined in all regions until the 1980s but then improved in the North and Central Atlantic such that the average extinction risk is currently half that in the Southwest. Many sharks and rays are wide ranging, and successful fisheries management in one country can be undone by poorly regulated or unregulated fishing elsewhere. Our study underscores that well-enforced, science-based management of carefully monitored fisheries can achieve conservation success, even for slow-growing species.
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 | 0,001 |
| 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) | 0,000 | 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 ».