Building climate resilience, social sustainability and equity in global fisheries
Notice bibliographique
Résumé
Abstract Although the Paris Agreement establishes targets to limit global warming—including carbon market mechanisms—little research has been done on developing operational tools to achieve them. To cover this gap, we use CO2 permit markets towards a market-based solutions (MBS) scheme to implement blue carbon climate targets for global fisheries. The scheme creates a scarcity value for the right to not sequester blue carbon, generating an asset of carbon sequestration allowances based on historical landings, which are considered initial allowances. We use the scheme to identify fishing activities that could be reduced because they are biologically negative, economically inefficient, and socially unequitable. We compute the annual willingness to sequester carbon considering the CO2e trading price for 2022 and the social cost of carbon dioxide (SC-CO2), for years 2025, 2030 and 2050. The application of the MBS scheme will result in 0.122 Gt CO2e sequestered or US$66 billion of potential benefits per year when considering 2050 SC-CO2. The latter also implies that if CO2e trading prices reach the 2050 social cost of carbon, around 75% of the landings worldwide would be more valuable as carbon than as foodstuff in the market. Our findings provide the global economy and policymakers with an alternative for the fisheries sector, which grapples with the complexity to find alternatives to reallocate invested capital. They also provide a potential solution to make climate resilience, social sustainability and equity of global fisheries real, scientific and practical for a wide range of social-ecological and political contexts.
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 | 0,001 | 0,003 |
| 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 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».