Importance and spatial patterns of invisible fisheries in Amazonian clear‐water rivers as revealed by fisher knowledge and collaboration
Notice bibliographique
Résumé
The Brazilian Amazon contains the world's most diverse fish assemblages. These assemblages can be affected by freshwater fisheries, which provide food and income for riverine people, and by accelerating environmental change. We collaborated with local fishers to provide a comprehensive assessment of the spatial patterns of fish use in 3 clear-water rivers in the Brazilian Amazon: the Tapajos, Trombetas, and Tocantins. We interviewed 638 fishers in 39 communities about fish use for domestic consumption or sale, daily catches per fisher, and catch per unit effort (CPUE). We then assessed the influence of river identity, protected areas (PAs), forest cover, and landscape complexity (independent variables) on catches and CPUE estimated from interviews (response variables) through linear models. We also analyzed data from participatory catch monitoring in 21 communities along the Tapajos River (5668 fish landings). Twenty-one fish species were the most harvested and cited by interview respondents, 16 of which were migratory fishes, accounting for 82% of catches in the Tapajos River. According to fishers, daily fish catches per fisher were higher outside PAs (effect size 0.33) than inside, whereas CPUE was higher inside PAs than outside (-0.27). Catches were negatively associated with forest cover (-0.20), whereas river landscape complexity was positively associated with fish catch (0.96) and CPUE (0.66). These results can support management strategies, from regional to large scales, by reinforcing the relevance of PAs in clear-water rivers and showing the influence of landscape on fish catches. Our collaboration with fishers provided robust baseline data that can be used to inform inclusive, precautionary, and adaptive policies for conservation of threatened rivers.
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 | 0,000 | 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 | 0,000 | 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 ».