Important Shark and Ray Areas (ISRAs) – Identifying key habitats for sharks, rays, and chimaeras
Notice bibliographique
Résumé
Sharks, rays, and chimaeras (hereafter ‘sharks’) face a high risk of extinction. Populations of many species of sharks and rays have declined by over 70–90% in last few decades. Immediate action is required to halt population declines and allow for species recovery. Area-based measures are key for biodiversity conservation but commonly do not focus on sharks, and existing ones often fail to provide them adequate protection. Target 3 of the Kunming-Montreal Global Biodiversity Framework commits nations to conserving 30% of coastal and marine areas, “especially areas of particular importance for biodiversity”. With that in mind, the Important Shark and Ray Areas (ISRA) approach was developed to ensure sharks are considered and represented in conservation planning approaches. Since 2022, over 600 ISRAs have been delineated across six regions of the world. Analysis have now been undertaken to understand overlap with existing marine protected areas (MPAs), how ISRAs can be integrated into Key Biodiversity Areas (KBAs), and what fisheries management tools can be used at the site level. In several regions (e.g., Central and South American Pacific and Western Indian Ocean), existing MPAs overlap by less than 7% with ISRAs, highlighting poor MPA coverage for these species. Without management measures to reduce fisheries mortality, preventing further losses and species recovery will not be possible. As nations move towards achieving the 30x30 targets by expanding MPA coverage, it is critical that sharks and their important habitats are considered and incorporated in national marine spatial planning processes, guided by robust scientific data.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».