Assessing Significant Adverse Impacts on Deep-Sea Vulnerable Marine Ecosystems in the NAFO Regulatory Area.
Notice bibliographique
Résumé
Biodiversity loss due to human activities is a critical ecological challenge, particularly in the High Seas where bottom-contact fishing poses a significant threat to Vulnerable Marine Ecosystems (VMEs). These ecosystems, composed of slow-growing, long-lived benthic organisms like deep-sea corals and sponges, are often found in geomorphological features such as seamounts and canyons. The United Nations General Assembly and the Food and Agriculture Organization (FAO) have 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) area, utilizing fishery-independent surveys and Vessel Monitoring System (VMS) data to map fishing intensity and VME biomass. Seven VME functional types were identified: large-sized sponges, sea pens, sea-squirts, bryozoans, black corals, large and small gorgonian corals. Species data were analysed using Kernel Density Estimation (KDE) to model the spatial distribution of VME biomass and to assess SAI risk.Of the VMEs assessed, results indicate that large sponge, black coral, and large gorgonian VME are the most sensitive to bottom trawling activities, with significant biomass loss occurring at very low fishing intensities. The study proposes impact thresholds for each VME functional type and argues that modest reductions in fishing effort in sensitive areas could mitigate SAI whilst having little or no impact on fishing opportunities. The findings emphasize the importance of spatial fisheries management measures, such as defining fishing footprints and establishing closed areas, to protect VMEs, to ensure the long-term sustainability of deep-sea ecosystem functions and diversity.The proposed impact thresholds provide a quantitative basis for assessing SAI and support ecosystem-based fisheries management. The research underscores the need for integrated assessments and data-driven approaches to balance ecosystem and fisheries sustainability objectives.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 ».