MétaCan
Menu
Retour à la cohorte
Enregistrement W4410392877 · doi:10.1016/j.marpolbul.2025.118073

Trade-offs and synergies in the management of environmental pressures: a case study on ship noise mitigation

2025· review· en· W4410392877 sur OpenAlexaff
Karen de Jong, Cathryn Clarke Murray, Asier Anabitarte, Sarah A. Bailey, Lisa A. Drake, José A. Fernandes, Ida‐Maja Hassellöv, Nicole Heibeck, Jukka-Pekka Jalkanen, Annukka Lehikoinen, Nathan D. Merchant, Amanda T. Nylund, Jessica V. Redfern

Notice bibliographique

RevueMarine Pollution Bulletin · 2025
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesStrategic Research CouncilNorges ForskningsrådHorizon 2020Academy of FinlandHavforskningsinstituttetHavs- och Vattenmyndigheten
Mots-clésNoise (video)Environmental scienceEnvironmental resource managementBusinessNoise pollutionEnvironmental noiseEnvironmental planningNatural resource economicsOceanographyComputer scienceEconomicsSound (geography)GeologyNoise reduction

Résumé

récupéré en direct d'OpenAlex

Underwater noise from shipping is increasingly recognized as a significant pollutant that can have a range of detrimental effects on marine organisms. However, ships impact marine life in more than one way. From a management perspective, a holistic approach could provide a more successful way to minimize the impact of ship traffic than sequential, single-pressure mitigation. In this paper, we assess how other shipping pressures are affected by six noise mitigation measures: ship speed restriction, rerouting, convoying, frequent hull/propeller cleaning, ship-quieting technologies, and incentivising fewer, larger ships. Here, we present and apply a framework to evaluate the synergies and trade-offs in the implementation of mitigation measures to better consider cumulative effects and advance effective, and holistic management. Using expert judgement and peer-reviewed literature, we evaluate each of the proposed mitigation measures to determine whether they are likely to have synergistic or trade-off effects on the impacts from other shipping pressures, the scale of the effect, and the strength of the evidence. Overall, speed reduction has mostly synergies with only weak trade-offs in the other shipping pressures. Frequent hull and propeller cleaning has fewer synergies, but also very few trade-offs, whereas convoying is expected to be the measure with the most trade-offs with other pressures. Re-routing and the incentivization of fewer larger ships have mostly unclear outcomes, because this will depend on the circumstances of implementation. We conclude that carefully considered and thoughtfully implemented mitigation measures can lead to multiple benefits across shipping pressures.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,002
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,266
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMarine Pollution BulletinMême sujetMarine animal studies overviewTravaux en français237 207