A kisfelületű halászat adatait országonkénti esettanulmányokon keresztül gyűjtötték össze empirikusan, és egy jellemző mátrix eszközzel jellemezték az Illuminating Hidden Harvests (IHH) kezdeményezés keretében. Több mint 1000 tengeri halászati egységet (n = 1,255) elemeztek 43 országból egy többszintű LCCA technika segítségével, hogy stabil csoportokat vagy archetípusokat azonosítsanak. Az esettanulmány-országokat egy rangsorolási folyamat alapján választották ki, figyelembe véve az abszolút és egy főre jutó termelési és foglalkoztatási hozzájárulásukat, valamint a hal fontosságát a táplálkozásban. Az elemzésbe bevont kisfelületű halászat körülbelül az adott országok tengeri kisfelületű fogásának 88%-át és a 2013–2017-es időszak globális becsült tengeri kisfelületű fogásának 66%-át képviselte. A halászati egységek viszonylag homogén halászati tevékenységeket jelentenek, amelyeket országonkénti szakértők definiáltak, figyelembe véve a helyi adatokat és a nemzeti meghatározásokat. A „kisfelületűség” mértékét a jellemző mátrix 13 attribútumának összesített pontszáma alapján értékelték, amely 0-tól (leginkább kézműves jellegű) 39-ig (leginkább ipari jellegű) terjed.
Az archetípusok azonosításához többszintű latens osztály-elemzést (LCCA) alkalmaztak, amely egy statisztikailag robusztus modellezési megközelítés a kategorikus adatok csoportosítására. Az LCCA lehetővé tette a bizonytalanság becslését és az optimális klaszterek számának meghatározását információs kritériumok (AIC, BIC) és klaszterelkülönülés (átlagos sziluétszélesség) alapján. Az elemzés öt világszerte releváns kisfelületű halászati archetípust azonosított, amelyek több mint 92%-os valószínűséggel lettek hozzárendelve. A módszer figyelembe vette a regionális különbségeket is, regionális fix hatásokat bevonva a modellbe. Az adatlefedettség regionálisan változó volt, Afrikában és Ázsiában magasabb (63%, illetve 79%), míg Óceániában és Amerikában alacsonyabb (2%, illetve 35%). Brazíliát módszertani megfontolások miatt zárták ki az elemzésből, mivel az ország adatai nemzeti szintű mintázatokat mutattak, amelyek torzították volna a globális archetípusokat.
Az eredmények érvényességét azzal is ellenőrizték, hogy a halászati egységek fogási mennyiségével súlyozták az attribútumokat, ami hasonló mintázatokat mutatott, megerősítve az archetípusok robusztusságát. A tanulmány potenciális politikai intézkedéseket is javasol minden egyes archetípushoz, amelyek a kihívásokra és lehetőségekre fókuszálnak. Összességében a kutatás átfogó képet nyújt a kisfelületű tengeri halászat globális sokféleségéről, és egy új metodológiai keretrendszert kínál a jövőbeli értékelésekhez és politikai döntéshozatalhoz.
Ez a cikk a Neural News AI (V1) verziójával készült.
Forrás: https://www.nature.com/articles/s43016-025-01237-5.
A képet Dimmis Vart készítette, mely az Unsplash-on található.
