Bears in the Russian Far East illegally exploited for meat, medicine and trophies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background and Research Aims Russia is a key source of bear parts in illegal trade but bear trade dynamics within the country is unknown. This study aims to address this gap by examining the legal and illegal international trade of bears in the Russian Far East. Methods Illegal trade of bears from the Russian Far East was analysed using seizure data from the Russian customs authorities from 2015 to 2019, while legal trade was analysed using CITES trade data. Results There were 116 seizures of bears involving the Russian Far East. Bear paws, claws and gall bladders were the main commodities seized revealing a demand for meat, trophies and medicine. During the same timeframe, Russia legally exported bear trophies, parts and derivatives to 55 countries and territories. Trophies were largely destined to the US and European countries whereas bear gall bladders, paws and derivates to Hong Kong. Conclusion This study shows that bears in Russia are threatened by poaching and illegal trade. They are killed for their gall bladders which are exported to Asian markets. They are also killed and exported as trophies predominantly to the US and European countries. As a game resource, Russia permits the hunting of Asiatic black bears and brown bears within established harvest quotas. Despite this, bears are being illegally killed and trafficked beyond Russia’s borders in violation of national laws and CITES trade regulations. Implications for Conservation Illegally sourced bear parts from Russia have been found in numerous countries across the globe. Further research is needed to quantify the overall illegal trade from Russia to understand the impact illegal offtake and trade has on wild bear populations in Russia. Further, the hunting of bears in Russia warrants greater regulation and monitoring to prevent the poaching of their parts for trade.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 découle