Towards Global Ecosystem-Based Management for Benthic Seamount Ecosystems
Notice bibliographique
Résumé
Seamounts are prominent underwater mountains rising from the seafloor in ocean basins worldwide. These structures are often recognised in the deep-sea as benthic biodiversity hotspots, offering diverse habitats across depth gradients that support a wide variety of marine species. Seamounts are ecologically significant, and since 2006 the United Nations General Assembly (UNGA) has called for their protection as Vulnerable Marine Ecosystems (VMEs), together with cold-water coral gardens and hydrothermal vents. Despite this, seamounts face escalating threats from human activities, such as destructive fishing practices, the effects of climate change, and the potential impacts of deep-sea mining. These pressures underscore the need for enhanced conservation and management strategies.The Deep-Ocean Stewardship Initiative (DOSI) is a global network of thousands of experts from over 115 countries, which integrates science, technology, policy, law and economics to advise on ecosystem-based management of resource use in the deep ocean. In October 2024, the DOSI Fisheries Working Group with support from the UN Ocean Decade program Challenger 150, hosted the Seamount Science Summit workshop at the University of Hawai‘i, the first major gathering focused on seamount ecology and conservation in over a decade.The summit convened 26 global seamount experts to assess current ecological knowledge, review management practices, and develop strategies to improve resilience in seamount ecosystems amid ongoing anthropogenic pressures. Through presentations, plenary sessions and subgroup discussions, the expert group identified several frameworks to improve management of seamount ecosystems. Here, we present key outputs from the workshop including recommendations for Regional Fisheries Management Organizations (RFMOs) to manage seamounts as VMEs in order to prevent Significant Adverse Impacts (SAIs). We present frameworks to enhance data collection on seamounts fostering industry contributions towards scientific processes within RFMOs and enabling data-informed management of seamount ecosystems. Additionally, the expert group emphasises integrating cumulative impacts, including historical fishing pressures and current and projected climate change effects, to reduce bottom fishing impacts and enhance seamount ecosystem resilience. We also present science priorities and discuss pathways to overcome knowledge gaps in seamount research.
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 | 0,001 | 0,000 |
| 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 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 ».