Reference points for assessing significant adverse impacts on deep sea vulnerable marine ecosystems
Notice bibliographique
Résumé
• SAI thresholds for 7 Vulnerable Marine Ecosystems are proposed. • Bottom trawling impact-risks are assessed for 7 Northwest Atlantic VMEs. • Large differences in VME sensitivity to bottom trawling activities are quantified. • Conservation targets to protect 60–70 % of deep-sea VME biomass are proposed. • Rapid loss in VME biomass is observed at a bottom trawling intensities of about 0.10 km·km −2 ·y -1 . Biodiversity loss due to human activities is a critical issue, particularly in the High Seas where bottom-contact fishing poses a significant threat to Vulnerable Marine Ecosystems (VMEs). Deep sea VMEs, tend to be composed of slow-growing, long-lived benthic organisms such as deep-sea corals and sponges. The United Nations Food and Agriculture Organization (FAO) has developed guidelines to protect these ecosystems from Significant Adverse Impacts (SAI) caused by bottom trawling activities. This study focuses on the Northwest Atlantic Fisheries Organization (NAFO) Regulatory Area, utilizing fishery-independent surveys and fishing Vessel Monitoring System (VMS) data to map fishing intensity and VME functional type biomass. Seven VME types have been assessed, e.g., large-sized sponges, sea pens, sea-squirts, bryozoans, black corals, large and small gorgonian corals, to determine the risk of impact. Results indicate that sponges, black corals, and large gorgonians are the most sensitive VME types to bottom trawling activities, with significant biomass loss occurring at very low fishing intensities. The study defines bottom trawling biomass impact thresholds for each VME type in the range of 0.12–9.43 km·km −2 ·yr −1 and 0.01–0.11 km·km −2 ·yr −1 for upper and lower impact thresholds, respectively. The study determines that rapid losses in VME biomass occurs at bottom trawling intensities of about 0.10 km·km −2 ·y -1 for fisheries operating in the NAFO Regulatory Area. The study concludes that modest reductions in fishing effort in sensitive areas could substantially mitigate SAI whilst having little or no impact on fishing opportunities. The findings also support the target of protecting at least 60 % to 70 % of VME biomass to likely ensure good seabed status; and the importance of implementing spatial fisheries management measures, such as defining a fishing footprint and establishing fishery closed areas, to protect VMEs.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».