Recensement des écosystèmes marins vulnérables des monts sous-marins dans la zone de la Convention de la Commission des pêches du Pacifique Nord au moyen de relevés visuels et de modèles de répartition
Bibliographic record
Abstract
Dans sa résolution 61/105, adoptée en 2006, l’Assemblée générale des Nations Unies a demandé aux États de gérer les pêches durablement et de protéger les écosystèmes marins vulnérables (EMV) des pratiques de pêche destructrices. En vertu de la Convention sur la conservation et la gestion des ressources halieutiques en haute mer dans le Pacifique Nord, les membres de la Commission des pêches du Pacifique Nord (CPPN; NPFC en anglais, documents uniquement en anglais), y compris le Canada, doivent élaborer un processus de recensement des EMV et des zones où ils sont susceptibles de se trouver (EMV potentiels) à l’aide de la meilleure information scientifique disponible. En janvier 2024, la CPPN a inclus quatre groupes de coraux et deux classes d’éponges comme taxons indicateurs des EMV et a récemment adopté une méthodologie quantitative qui peut être utilisée pour recenser les EMV à partir de relevés visuels (NPFC-SSC BFME 2022, NPFC-SC 2022a; NPFC-COM 2023). Cette approche quantitative a été élaborée à l’origine par Rowden et ses collaborateurs (2020) pour l’Organisation régionale de gestion des pêches du Pacifique Sud et appliquée par Warawa et ses collaborateurs (2022, 2023a, 2023b) à l’est de la zone de la Convention (ZC) de la CPPN. La CPPN a également adopté un cadre qui définit les modèles prédictifs comme un moyen de recenser des EMV potentiels (NPFC 2023a; NPFC 2023b). En tant que partie contractante à la CPPN et son seul membre exploitant une pêche par le fond dans la partie nord-est (NE) de la zone de la Convention de la CPPN, il incombe au Canada de localiser les EMV et les EMV potentiels dans cette région. En date de janvier 2024, le Canada a recensé cinq zones d’EMV sur le mont sous-marin Cobb, qui ont été approuvées par le Comité scientifique de la CPPN en décembre 2023. La Commission les a adoptées en avril 2024. Nous décrivons comment ces cinq EMV ont été localisés à l’aide de l’approche décrite dans Rowden et al. (2020; voir Warawa et al. 2022, 2023a). Nous avons utilisé des données visuelles recueillies en 2012 (Curtis et al. 2015) pour estimer un seuil régional de densité des indicateurs des EMV afin de déterminer les cinq EMV sur le mont sous-marin Cobb en appliquant notre seuil à ces données visuelles. La taille des EMV variait d’environ 50 à 200 m2 et leur profondeur, de 500 à 1 200 m. Nous recensons également les EMV potentiels dans la chaîne des monts sous-marins Cobb Eickelberg en appliquant le seuil régional de densité des indicateurs des EMV aux prévisions modélisées de la densité des taxons indicateurs des EMV (Warawa et al. 2023b). Des EMV potentiels sont probablement présents sur tous les monts sous-marins de la chaîne de monts sous-marins Cobb-Eickelberg. La plus grande superficie totale déterminée comme étant un EMV potentiel se trouvait sur le mont sous-marin Cobb (27,55 km2 , 15,39 % de la superficie modélisée sur ce mont), puis sur le mont Brown Bear nord (20,4 km2 , 19,88 % de la superficie modélisée sur ce mont), sur le mont Brown Bear sud (13,74 km2 , 4,40 % de superficie modélisée sur ce mont) et sur la dorsale Eickelberg (10,95 km2 , 22,71 % de la superficie modélisée sur cette dorsale).
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".