Projecting pathways to achieve sustainable ocean targets for food security, climate resilience, and biodiversity conservation
Notice bibliographique
Résumé
The ocean's capacity to sustainably, equitably, and safely produce food is declining due to ongoing biodiversity losses driven by direct exploitation, climate change, and other human-induced stressors such as plastic pollution. Solutions such as fisheries management, aquaculture, and marine protected areas have been proposed to reverse these declines. However, recent analyses of global fisheries and aquaculture trends highlight intensifying trade-offs and inequities within and across seafood production, climate action, and biodiversity conservation. In this study, we apply multiple integrated models—encompassing climate, biodiversity, seafood production, and economic impacts—at both global and regional scales to assess how portfolios of proposed solutions could achieve sustainable, equitable seafood security and biodiversity conservation targets under climate change. The models incorporate scenarios for both direct and indirect drivers, including changing ocean conditions, demographic shifts, seafood demand and prices, fisheries management, and aquaculture development strategies. Our projections indicate that urgent, unprecedented actions on multiple fronts to reduce fishing effort, develop sustainable aquaculture, expand marine protected areas, and advance climate mitigation, are required to meet sustainable, equitable seafood security goals. Climate change disproportionately impacts the capacity to produce nutrient-rich seafood for local consumption and rebuild depleted biomass, especially for low- and middle-income countries in the tropics and vulnerable communities in extra-tropical regions. We show that conservation- and vulnerable communities- oriented ocean management strategies and keeping global warming below 1.5°C are necessary conditions to achieve seafood and biodiversity targets. Our findings underscore the co-benefits and trade-offs in the pathways towards achieving food, climate and biodiversity ocean targets. We highlight how scenarios and models with participatory approaches can facilitate the co-development of portfolios of sustainable and equitable solution options for ocean-based food systems.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».