Adaptive Co‐Management and Future Resilience of Coastal Winter Migratory Bag Net Fisheries in Indian Sundarbans: Ensuring Livelihood Sustainability Amidst Climate Change
Notice bibliographique
Résumé
ABSTRACT Winter Migratory Bagnet fishery (WBNF) in Indian Sundarbans contributes significantly to local food security and livelihoods, yet they are increasingly threatened by rising sea levels, declining fish stocks, and recurring cyclones. The main objective of the study is assessing its vulnerabilities and focusing on the adaptive response strategies employed by stakeholders to mitigate the challenges to sustain fisheries and fisher livelihoods. Baseline data were collected from 2019 to 2024 to assess species diversity and fishery dynamics. The findings reveal that WBNF not only provides a steady source of fish protein and income for thousands of households but also serves as a governance model for similar ecosystems, showcasing how community‐based practices, traditional knowledge, and adaptive management can sustain fisheries under ecological and socio‐economic pressures. Research further evaluates the vulnerability of Bagnet fisheries in response to current cyclonic events and climate change, which impacts reduced catches and also the damage to fishing crafts and gears. The Livelihood Vulnerability Score for winter bagnet fisheries in the Sundarbans ranged from 0.253 at Kalisthan to 0.402 at Fraserganj, indicating an overall high‐risk situation faced by fishing communities. Several environmental and socio‐economic drivers such as sea level rise, dependence on middlemen, decrease in species richness, decrease in Catch Per Unit Effort, shift in fish spawning season, changes in rainfall patterns, different adaptation strategies, and so on. influencing the sustainability of these fisheries were also identified and documented for the first time. To address these challenges, the study highlights adaptive management approaches, including stronger community participation, livelihood diversification, and institutional support.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».