Application of <scp>AIS</scp> ‐ and flyover‐based methods to monitor illegal and legal fishing in Canada's Pacific marine conservation areas
Notice bibliographique
Résumé
Abstract New approaches are required to undertake the substantial task of monitoring ongoing fishing activity in marine conservation areas to ensure conservation goals are achieved. To address this need, we applied previously developed, yet currently underused, vessel tracking methods based on Automatic Identification System (AIS) and aerial surveillance (“flyovers”) to Canada's Pacific marine conservation areas from 2012 to 2019. We used satellite and terrestrial‐based AIS receivers and flyover‐based visual observations to estimate illegal and legal fishing activity after 185 conservation area (CA) enactments (i.e., static, geographically defined areas with fishing regulations). We compared the effectiveness in detecting fishing activity between the AIS‐ and flyover‐based methods, and used the latter to determine that 93% of vessels were actively fishing in CAs without AIS. The AIS‐based method still detected 3303 h of fishing in CAs after enactment, and both methods estimated 22%–24% of fishing activity in CAs was illegal. The application of these methods also shed light on the complexity of fishing regulations across CAs (i.e., varying and CA‐specific restrictions). This highlighted the need to better align vessel tracking fishing gear classifications with CA regulation specifications, and conversely to simplify regulations (e.g., no‐take), for more accurate monitoring and evaluation moving forward.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 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 ».