Марина потапенко: Марина Потапенко | Facebook — supermodelsgroup.ru

Содержание

Марина Потапенко, Ростов-на-Дону, Россия, ВКонтакте, 34 лет, id18723601

IQ — интеллектуальный журнал
Всем интеллектуалам и читателем нашего паблика, привет 😎 В нашем сообществе вы сможете найти: 🔥 Научные открытия 🔥 Таинственные истории 🔥 Логические задачи, которые помогут вас развить логику 🔥 Самые свежие новости в мире технологий 🔥 Юмор, который будет жизненным абсолютно для каждого Мы разы абсолютно всем, от Стива Джобса до Илона Маска, делитесь своими зданиями и развивайтесь вместе с нами 🤗

Это Ростов, детка! Типичный РОСТОВ-НА-ДОНУ
[club36578247|«Это Ростов, детка!» ] — тот cамый первый, самый популярный паблик Ростова-на-Дону. Всё о жизни Ростова и области. 👉ПРЕДЛАГАЙ фото/видео/новости через «предложить новость» на стене, ИХ УВИДЯТ СОТНИ ТЫСЯЧ РОСТОВЧАН И ЖИТЕЛЕЙ ОБЛАСТИ 🔥 У нас можно купить рекламу в самой крупной сети ростовских сообществ 🔝 Прайс 👉🏻 vk.com/page-45910151_52798448

90-60-90 | Спортивные девушки
Привет! Если ты здесь, значит ты решила перевернуть свою жизнь 😘 И 90-60-90 тебе в этом поможет, не сомневайся! У нас часто проходят бесплатные марафоны похудения. Так что не пропусти 🍉 Можешь найти их по этим тегам: #челендж_8марта@9o_6o_9o #прощай_оливье@9o_6o_9o #гудбай_челендж@9o_6o_9o #УдивиМарафон@9o_6o_9o #НГ_марафон@9o_6o_9o #марафон@9o_6o_9o #марафонНПЗ@9o_6o_9o #марафонПопа@9o_6o_9o #марафонляжки@9o_6o_9o А так же, ты можешь найти нужную полезную инфу по следующим тегам: #онлайн_тренировка@9o_6o_9o #о_важном@9o_6o_9o #ПП@9o_6o_9o #рецепты@9o_6o_9o #питание@9o_6o_9o #тренировка@9o_6o_9o #попа@9o_6o_9o #ноги@9o_6o_9o #живот@9o_6o_9o #пресс@9o_6o_9o #грудь@9o_6o_9o #руки@9o_6o_9o #талия@9o_6o_9o #спина@9o_6o_9o #растяжка@9o_6o_9o #советы@9o_6o_9o И не забудь подписаться на наш инстаграм и телеграм (в ссылках). Я очень рада, что ты теперь с нами ❤️

Дизайн & Декор
Привет всем самым креативным 🔨 В нашем сообществе ты найдёшь: 🌈 море вдохновения 🌈 лучшие идеи декора и дизайна 🌈 идеи разных поделок 🌈 архив творчества Давай делиться своим талантом в нашем тихом уголке единомышленников!

Ржака — улыбака ツ
Юмор, приколы, мемы, mems, анекдоты… У нас много веселья и смеха, присоединяйся!!!

Интеллектуальный юмор
Лучшее сообщество для тех, кто ценит тонкий, качественный и умный юмор. Мы формируем свой взгляд на реальность через призму иронии, сатиры и сарказма.

Корпорация зла
Новости из шоу бизнеса и не только

Женская Философия
Заходи к НАМ, тебе понравится! 😈 💜 Только женский юмор 💜 Тут ты точно узнаешь себя 💜 Жизненные цитаты

Салон красоты
🌸 ТОП идеи для маникюра, макияжа и прически 🌸 Всё для похудения и красивой фигуры 🌸 Секреты и лайфхаки в уходе за собой 🌸 Мода, стиль и бьюти-тренды Здесь всё для твоей красоты и просто с душой! 💋

Психология отношений

Киномания ► Фильмы и сериалы
У нас вы можете смотреть любые фильмы онлайн абсолютно бесплатно и без регистрации. Оперативно выкладываем новинки, много крутых подборок, только лучшее качество (HD). Подписывайся и смотри все новинки кино первым!

Smart — умный журнал!

ОКАЗЫВАЕТСЯ…
Полезные факты из мира науки, интересные и развлекательные новости, лайфхаки и информация для саморазвития.

Фитнес Рецепты — правильное и здоровое питание

Мир в Позитиве
Добро пожаловать в самую развлекательную группу ВКонтакте С авторским контентом

Psychology|Психология
Все о психологии простым языком.

Inspiration Girls
фотоблог прекрасных фото, красивых женщин

Здоровье
Сообщество здоровых людей! Развивайся во всех областях жизни вместе с нами!

✅ ИП ПОТАПЕНКО МАРИНА ИВАНОВНА, 🏙 Корсаков (OГРН 317650100016005, ИНН 650400965210) — 📄 реквизиты, 📞 контакты, ⭐ рейтинг

Последствия пандемии

В полной версии сервиса доступна вся информация по компаниям, которых коснулись последствия пандемии коронавируса: данные об ограничениях работы и о программе помощи от государства тем отраслям, которые испытывают падение спроса

Получить доступ

Краткая справка

ИП ПОТАПЕНКО МАРИНА ИВАНОВНА было зарегистрировано 25 июля 2017 (существует 4 года) под ИНН 650400965210 и ОГРНИП 317650100016005. Местонахождение Сахалинская область, Корсаковский район, город Корсаков. Основной вид деятельности ИП ПОТАПЕНКО МАРИНА ИВАНОВНА: 69.10 Деятельность в области права. Телефон, адрес электронной почты, адрес официального сайта и другие контактные данные ИП ПОТАПЕНКО МАРИНА ИВАНОВНА отсутствуют в ЕГРИП.

Информация на сайте предоставлена из официальных открытых государственных источников.

Контакты ИП ПОТАПЕНКО МАРИНА ИВАНОВНА

Местонахождение

Россия, Сахалинская область, Корсаковский район, город Корсаков

Зарегистрирован 25 июля 2017

Перейти ко всем адресам

Телефоны

—

Электронная почта

—

Школа № г.Владивосток. Наши достижения. Наши медалисты

ГОД	ЗОЛОТАЯ МЕДАЛЬ	СЕРЕБРЯНАЯ МЕДАЛЬ
1976	1. Аверьянова Ольга
1984	2. Кайгородова Марина	1. Кравченко Татьяна
1987	3. Масловский Дмитрий
1988		2. Пика Ирина
1989		3. Цай Андрей 4. Скрыльник Петр 5. Улитин Павел
1992		6. Анистратенко Елена
1993		7. Михайлик Наташа 8. Петешова Екатерина
1994		9. Варакина Екатерина 10. Зинова Елена 11.Чернышов Роман
1995		12.Лоторева Ольга 13. Тупкало Андрей 14. Федоренко Ольга
1996	4. Коненков Игорь 5. Гладышев Евгений	15. Герасименко Денис 16. Надежин Николай 17. Новак Алексей 18. Тюрина Юлия
1997		19. Кареев Владимир
1998		20. Москаев Евгений 21. Слободенюк Ирина
1999	6. Михеева Мария	22. Калягина Ксения 23.Семин Александр
2000		24. Невшупова Светлана 25.Згоржельский Алексей 26.Симоненко Наталья
2001	7. Зинова Татьяна	27. Повесьма Алиса 28. Бугай Екатерина
2002		29. Наливайко Валентина 30.Левченко Анастасия 31. Яровая Елена
2003		32. Рыжанкова Анастасия 33. Евсейченко Ксения
2004		34. Есипов Андрей 35. Лихачева Елена 36. Ливинская Ольга 37. Миронов Сергей 38. Ковылин Павел
2005		39. Бурлов Игорь 40. Горшкова Наталья 41. Ермоленко Анна
2006		42. Степочкин Игорь 43. Кушова Дарья 44. Шубина Дарья 45. Домбровская Юлия
2007		46. Васильева Виктория
2008	8.Нарышкин Михаил 9.Потапенко Анастасия 10.Шавкина Людмила	47. Резванова Александра 48. Ротанов Денис
2009		49. Мазур Ольга
2011		50. Тохтина Анастасия
2013	11.Макарова Елизавета	51. Нарышкин Андрей 52. Будзан Анастасия 53. Герасина Марина
2014		54. Баженов Павел 55. Фролова Анастасия
2019	12. Ахметова София

Потапенко Марина Владимировна — отзывы о враче, запись на прием в Ставрополе

Потапенко Марина Владимировна — отзывы о враче, запись на прием в Ставрополе — Zoon.ru

Информация

Медицина — это одна из наиболее важных отраслей деятельности человека. Именно с ее помощью мы можем успешно бороться со многими болезнями и продлевать свой век. И те, кто по-настоящему достойны уважения — это врачи.

Врач-офтальмолог Потапенко Марина Владимировна занимается проблемами ухудшения зрения. Воспаление, снижение четкости или другие симптомы — это повод для незамедлительного визита к Марине Владимировне. После полного осмотра вам смогут выписать рекомендации для дальнейшего лечения.

Образование

Ставропольский государственный медицинский университет (лечебное дело) (2003 г.).
Ставропольский государственный медицинский университет (офтальмология) (2008 г.).

Курсы повышения квалификации
Ставропольский государственный медицинский университет (профпатология) (2011 г.).
Ставропольский институт повышения квалификации «КарьераМедиФарм» (офтальмология) (2013 г.).
Витреоретинальная хирургия (2013 г.).
Ставропольский институт повышения квалификации «КарьераМедиФарм» (офтальмология) (2015 г.).
«Современные подходы к диагностике и лечению глаукомы» (2017 г.).

Опыт и достижения: Общая практика
2 категория.

Профессиональный стаж: 18 лет

Место приема

Россия, Ставрополь, проспект Юности, 42а

Места работы врача Марины Владимировны Потапенко

Часто задаваемые вопросы о враче Потапенко Марине Владимировне

Средняя оценка — 3.5 на основании 6 оценок

Загружаем нейронную сеть Анализируем ваши предпочтения Предлагаем лучшего специалиста

Судебный пристав Потапенко Марина Николаевна в Брянске

Все регионыАлтайский крайАмурская областьАрхангельская область и Ненецкий автономный округАстраханская областьБелгородская областьБрянская областьВладимирская областьВолгоградская областьВологодская областьВоронежская областьГород федерального значения МоскваГород федерального значения Санкт-ПетербургГород федерального значения СевастопольЗабайкальский крайИвановская областьИркутская областьКабардино-Балкарская РеспубликаКалининградская областьКалужская областьКамчатский крайКарачаево-Черкесская РеспубликаКемеровская областьКировская областьКостромская областьКраснодарский крайКрасноярский крайКурганская областьКурская областьЛенинградская областьЛипецкая областьМагаданская областьМосковская областьМурманская областьНижегородская областьНовгородская областьНовосибирская областьОмская областьОренбургская областьОрловская областьПензенская областьПермский крайПриморский крайПсковская областьРеспублика АдыгеяРеспублика АлтайРеспублика БашкортостанРеспублика БурятияРеспублика ДагестанРеспублика ИнгушетияРеспублика КалмыкияРеспублика КарелияРеспублика КомиРеспублика КрымРеспублика Марий ЭлРеспублика МордовияРеспублика Саха (Якутия)Республика Северная Осетия-АланияРеспублика ТатарстанРеспублика ТываРеспублика ХакасияРостовская областьРязанская областьСамарская областьСаратовская областьСахалинская областьСвердловская областьСмоленская областьСтавропольский крайТамбовская областьТверская областьТомская областьТульская областьТюменская областьУдмуртская РеспубликаУльяновская областьХабаровский край и Еврейская автономная областьХанты-Мансийский автономный округ — ЮграЧелябинская областьЧеченская РеспубликаЧувашская РеспубликаЧукотский автономный округЯмало-Ненецкий автономный округЯрославская область

Поиск долгов граждан РФ осуществляется в открытом
доступе через официальную онлайн базу ФССП России.

Проверить задолженность

Евгений Михалюк, Виталий Сыволап, Марина Потапенко, Николай Бессарабов, Сергей Польской. Особенности электрокардиографических показателей и данных вариабельности сердечного ритма у юных футболистов.

// Наука і освіта. – 2020. – №3. – 57-64.

Евгений Михалюк,
доктор медицинских наук, профессор,
заведующий кафедрой физической реабилитации,
спортивной медицины, физического воспитания и здоровья,
Виталий Сыволап,
доктор медицинских наук, профессор,
заведующий кафедрой мультимодальной диагностики и пропедевтики,
Марина Потапенко,
кандидат медицинских наук, доцент,
доцент кафедры анестезиологии и интенсивной терапии,
Николай Бессарабов,
кандидат педагогических наук, доцент,
доцент кафедры физической реабилитации,
спортивной медицины, физического воспитания и здоровья,
Сергей Польской,
старший преподаватель кафедры физической реабилитации,
спортивной медицины, физического воспитания и здоровья,
Запорожский государственный медицинский университет,
проспект Маяковского, 26, г. Запорожье, Украина

ОСОБЕННОСТИ ЭЛЕКТРОКАРДИОГРАФИЧЕСКИХ ПОКАЗАТЕЛЕЙ И ДАННЫХ
ВАРИАБЕЛЬНОСТИ СЕРДЕЧНОГО РИТМА У ЮНЫХ ФУТБОЛИСТОВ

АНОТАЦІЯ:

В последнее время придается большое значение изучению функциональных возможностей спортсменов с учетом данных биоэлектрической активности миокарда, а также вегетативного статуса на основе анализа вариабельности сердечного ритма. Однако работ, в которых рассматривались бы вопросы, касающиеся возрастных особенностей электрокардиограммы и вегетативного обеспечения сердечного ритма у юных футболистов недостаточно. С целью выяснения влияния возраста на показатели электрокардиограммы и вариабельности сердечного ритма проведен сравнительный анализ 5-минутных записей стандартных электрокардиограмм в 12 отведениях у юных футболистов в возрасте 13–15 (n=39) и 16–17 лет (n=23). Для оценки состояния механизмов нейрогуморальной регуляции сердца, активности сегментарных и надсегментарных отделов автономной нервной системы использовали математический и спектральный методы анализа вариабельности сердечного ритма с расчетом индекса напряжения Р. М. Баевского. Результаты исследований показали, что у 16–17-летних футболистов регистрировалось в 3,4 раза чаще нормальное и в 2,5 раза реже – полувертикальное положение электрической оси сердца. С увеличением возраста футболистов уменьшается в 2,2 раза частота регистрации неполной блокады правой ножки пучка Гиса и прослеживается тенденция к увеличению тонуса парасимпатического звена автономной нервной системы.

КЛЮЧОВІ СЛОВА:

юные футболисты, электрокардиограмма, вариабельность сердечного ритма.

ПОВНИЙ ТЕКСТ СТАТТІ:

ЛІТЕРАТУРА:

1. Баевский Р. М., Берсенева А. П. Оценка адаптационных возможностей организма и риск развития заболеваний. Москва: Медицина, 1997. 236 с.
2. Бальсевич В. К. Очерки по возрастной кинезиологии человека. Москва: Советский спорт, 2009. 220 с.
3. Веневцева Ю. Л. Оценка функционального состояния спортсменов различного возраста с ЭКГсиндромом ранней реполяризации желудочков сердца: автореф. дис. … канд. мед. наук : 14.00.12. Москва, 1991. 24 с.
4. Веневцева Ю. Л., Казидаева Е. Н., Мельников А. Х. Особенности вегетативного статуса и данных холтеровского мониторирования у молодых людей с синдромом ранней реполяризации желудочков и мягкой артериальной гипертензией. Спортивная медицина: наука и практика: IV Всерос. конгресс с междунар. участием «Медицина для спорта – 2014». Приложение. 2014. № 1. С. 38–39.
5. Воробьев Л. П., Грибкова И. Н., Петрусенко Н. М. Возможные механизмы возникновения синдрома ранней реполяризации желудочков. Кардиология. 1985. Т. 25, № 4. С. 110–112.
6. Зоткин В. Н. Медико-биологические основы спортивного отбора футболистов-подростков: автореф. дис. … канд. мед. наук : 14.00.51, 14.00.09. Москва, 2006. 25 с.
7. Иорданская Ф. А., Кузьмина В. И., Муравьева Л. Ф., Джумаев Х. К. Медико-биологический контроль работоспособности юных футболистов. Футбол: ежегодник. Москва, 1986. С. 57–59.
8. Лутфуллин Н. Я., Сафина А. И. Электрокардиография у юного спортсмена: вариант нормы или патология? Практическая медицина. 2012. № 7. С. 67–70.
9. Михайлов В. М. Вариабельность ритма сердца: опыт практического применения метода. Издание второе, перераб. и доп. Иваново: Иванов. гос. мед. академия, 2002. 290 с.
10. Михалюк Е. Л. Состояние центральной гемодинамики и физической работоспособности у представителей мини-футбола и футбола. Запорожский медицинский журнал. 2004. № 2. С. 58–60.
11. Михалюк Е. Л., Сыволап В. В. Особенности вариабельности сердечного ритма у футболистов высокого класса. Спортивная медицина. 2006. № 1. С. 46–49.
12. Михалюк Є. Л., Сиволап В. В., Чечель М. М. Вплив високих тренувальних навантажень на показники варіабельності серцевого ритму, центральну гемодинаміку і фізичну працездатність висококваліфікованих футболістів. Актуальні питання медичної науки та практики. Збірник наукових праць. Запоріжжя, 2008. Вип. 73, кн. 1. Т. 1. С. 120–125.
13. Николаенко В. В. Технология физической подготовки юных футболистов. Слобожанський науково-спортивний вісник. 2015. № 5 (49). С. 78–85.
14. Платонов В. Н. Периодизация спортивной тренировки. Общая теория и ее практическое применение. Киев: Олимпийская литература, 2013. 624 с.
15. Чичкова М. А., Светличкина А. А., Доронцев А. В. Индивидуальное планирование физических нагрузок у пловцов любителей с учетом показателей электрокардиограммы. Ученые записки университета имени П. Ф. Лесгафта. 2017. №7 (149). С. 203–206.
16. Heart rate variability: standards of measurement, physiological interpretation and clinical use. Task Force of the European Society of Cardiology and the North American Society of Pacing and Electrophysiology. Circulation. 1996. Vol. 93. P. 1043–1065.
17. Koziy T. P., Topcii M. S. Adaptation changes of the parameters of the hemodynamics of athletes, who train to development of stability. Georgian medical news. No 11 (284). 2018. 76–82.
18. Mykhaliuk Ye. L., Potapenko M. S., Horokhovskyi Ye. Yu., Hunina L. M. & Holovashchenko R. V. Characteristics of autonomic maintenance of central hemodynamics and physical working capacity in highly qualified sprint swimmers. Zaporozhye medical journal. 2020. Volume 22. No 2. С. 245–249.
19. Mykhaliuk. Ye. L., Syvolap V. V., Hunina L. M., Potapenko M. S. & Kaddah D. Al. Association of ECG early repolarization phenomena and “Tinfantile” with autonomic regulation of the heart rhythm in young athletes. Zaporozhye medical journal. 2020. Volume 22. No 3. С. 356–362.

Резюме «Менеджер по работе с клиентами, экономист», Киев. Потапенко Марина Владимировна — Work.ua

Резюме от 15 июня 2021 PRO

Менеджер по работе с клиентами, экономист, 20 000 грн

Полная занятость.

Возраст:: 37 лет
Город:: Киев

Соискатель указал телефон и эл. почту.

Получить контакты этого резюме можно на странице https://www.work.ua/resumes/225498/

Опыт работы

Менеджер по продажам

с 03.2015 по наст. время (6 лет 5 месяцев)
Компания по производству фитопрепаратов, Киев (Парафармацевтика)

Входящие, исходящие звонки. Консультации, продажи в телефонном режиме.

Ведущий экономист

с 11.2010 по 02.2015 (4 года 3 месяца)
АТ»Брокбизнесбанк» (банк)

декретный отпуск

Ведущий экономист.

с 10.2007 по 11.2010 (3 года 1 месяц)
«БРОКБИЗНЕСБАНК» (Банк.)

— расчетно-кассовое обслуживание юридических и физических лиц;
— открытие и обслуживание кредитных счетов;
— открытие и обслуживание депозитых счетов;
— формировавние документов дня в национальной и иностранной валюте.

Образование

« Высшая школа бизнеса – Институт Экономики и Менеджмента»

Финансы, г.Алчевск
Высшее, с 2002 по 2007 (4 года 11 месяцев)

Профессиональные и другие навыки

Навыки работы с компьютером
Владение ПК — Profix, Кассовые операции, АРМ, СRM, MS Office, Интернет, Excel

Знание языков

Украинский — свободно
Английский — начинающий
Русский — свободно

Дополнительная информация

Дополнительные сведения:
Навыки работы с оргтехникой (факс, мини-АТС, принтер, ксерокс, сканер).

Личностные качества:
Исполнительность, работоспособность, пунктуальность, лояльность, умение работать в команде, готовность к дополнительному обучению.

Приоритеты:
Работа в дружном коллективе, перспектива, личного, профессионального, карьерного
роста, возможность получения дополнительных навыков в процессе работы.
Предпочтение вакансиям в Голосеевском районе.

Предложить вакансию

Сравните свои требования и зарплату с вакансиями других компаний:

Хроническая оптогенетическая стимуляция глии Бергмана приводит к дисфункции EAAT1 и гибели клеток Пуркинье, имитируя события, вызванные экспрессией патогенного атаксина-1

DOI: 10.1016 / j.nbd.2021.105340. Epub 2021 19 марта. Антон Н Шуваев ¹, Белозор Ольга С ², Олег Можей ³, Дария А Яковлева ⁴, Илья В Потапенко ⁵, Андрей Н Шуваев ⁴, Марина В Смольникова ⁶, Владимир В Салмин ⁷, Алла Б Салмина ⁸, Хирокадзу Хираи ⁹, Аня Г Тещемахер ¹⁰, Каспаров Сергей ¹¹

Принадлежности Расширять

Принадлежности

¹ Красноярский государственный медицинский университет им. Проф.В.Ф. Войно-Ясенецкий, НИИ молекулярной медицины и патобиохимии, ул. 1, 660022 Красноярск, Россия. Электронный адрес: [email protected].
² Красноярский государственный медицинский университет им. Проф. В.Ф. Войно-Ясенецкий, кафедра биологической химии, медицинской фармацевтической и токсикологической химии, Россия, 660022 Красноярск, ул. Партизана Железняка, 1.
³ Институт живых систем Балтийского федерального университета им. Иммануила Канта, ул., 2, 236041 Калининград, Россия.
⁴ Сибирский федеральный университет, Россия, 660041 Красноярск, Свободный пр., 79.
⁵ Красноярский государственный медицинский университет им. Проф. В.Ф. Войно-Ясенецкий, НИИ молекулярной медицины и патобиохимии, ул. 1, 660022 Красноярск, Россия.
⁶ Красноярский государственный медицинский университет им. Проф.В.Ф. Войно-Ясенецкий, НИИ молекулярной медицины и патобиохимии, ул. 1, 660022 Красноярск, Россия; Федеральный исследовательский центр «Красноярский научный центр» Сибирского отделения Российской академии наук, Научно-исследовательский институт медицинских проблем Севера, Россия, 660022 Красноярск, ул. Партизана Железняка, 3Г.
⁷ Красноярский государственный медицинский университет им. Проф. В.Ф. Войно-Ясенецкий, кафедра медико-биологической физики, ул. Партизана Железняка1, 660022 Красноярск, Россия.
⁸ Красноярский государственный медицинский университет им. Проф. В.Ф. Войно-Ясенецкий, НИИ молекулярной медицины и патобиохимии, ул. 1, 660022 Красноярск, Россия; Красноярский государственный медицинский университет имени профессора В.Ф. Войно-Ясенецкий, кафедра биологической химии, медицинской фармацевтической и токсикологической химии, Россия, 660022 Красноярск, ул. Партизана Железняка, 1; Лаборатория экспериментальной цитологии мозга, Отделение мозговых наук, Научный центр неврологии, Москва 125367, Россия.
⁹ Кафедра нейрофизиологии и восстановления нервной системы, Высшая школа медицины Университета Гумма, Маэбаши, Япония.
¹⁰ Кафедра физиологии, фармакологии и неврологии, Бристольский университет, Бристоль, Соединенное Королевство.
¹¹ Институт живых систем Балтийского федерального университета им. Иммануила Канта, Россия, 236041 Калининград, ул. Университетская, 2; Кафедра физиологии, фармакологии и неврологии, Бристольский университет, Бристоль, Соединенное Королевство.Электронный адрес: [email protected].

Бесплатная статья

Элемент в буфере обмена

Антон Н Шуваев и др. Neurobiol Dis. 2021 июл.

Бесплатная статья Показать детали Показать варианты

Показать варианты

Формат АннотацияPubMedPMID

DOI: 10.1016 / j.nbd.2021.105340. Epub 2021 19 марта.

Авторы

Антон Н Шуваев ¹, Белозор Ольга С ², Олег Можей ³, Дария А Яковлева ⁴, Илья В Потапенко ⁵, Андрей Н Шуваев ⁴, Марина В Смольникова ⁶, Владимир В Салмин ⁷, Алла Б Салмина ⁸, Хирокадзу Хираи ⁹, Аня Г Тещемахер ¹⁰, Каспаров Сергей ¹¹

Принадлежности

¹ Красноярский государственный медицинский университет им. Проф.В.Ф. Войно-Ясенецкий, НИИ молекулярной медицины и патобиохимии, ул. 1, 660022 Красноярск, Россия. Электронный адрес: [email protected].
² Красноярский государственный медицинский университет им. Проф. В.Ф. Войно-Ясенецкий, кафедра биологической химии, медицинской фармацевтической и токсикологической химии, Россия, 660022 Красноярск, ул. Партизана Железняка, 1.
³ Институт живых систем Балтийского федерального университета им. Иммануила Канта, ул., 2, 236041 Калининград, Россия.
⁴ Сибирский федеральный университет, Россия, 660041 Красноярск, Свободный пр., 79.
⁵ Красноярский государственный медицинский университет им. Проф. В.Ф. Войно-Ясенецкий, НИИ молекулярной медицины и патобиохимии, ул. 1, 660022 Красноярск, Россия.
⁶ Красноярский государственный медицинский университет им. Проф.В.Ф. Войно-Ясенецкий, НИИ молекулярной медицины и патобиохимии, ул. 1, 660022 Красноярск, Россия; Федеральный исследовательский центр «Красноярский научный центр» Сибирского отделения Российской академии наук, Научно-исследовательский институт медицинских проблем Севера, Россия, 660022 Красноярск, ул. Партизана Железняка, 3Г.
⁷ Красноярский государственный медицинский университет им. Проф. В.Ф. Войно-Ясенецкий, кафедра медико-биологической физики, ул. Партизана Железняка1, 660022 Красноярск, Россия.
⁸ Красноярский государственный медицинский университет им. Проф. В.Ф. Войно-Ясенецкий, НИИ молекулярной медицины и патобиохимии, ул. 1, 660022 Красноярск, Россия; Красноярский государственный медицинский университет имени профессора В.Ф. Войно-Ясенецкий, кафедра биологической химии, медицинской фармацевтической и токсикологической химии, Россия, 660022 Красноярск, ул. Партизана Железняка, 1; Лаборатория экспериментальной цитологии мозга, Отделение мозговых наук, Научный центр неврологии, Москва 125367, Россия.
⁹ Кафедра нейрофизиологии и восстановления нервной системы, Высшая школа медицины Университета Гумма, Маэбаши, Япония.
¹⁰ Кафедра физиологии, фармакологии и неврологии, Бристольский университет, Бристоль, Соединенное Королевство.
¹¹ Институт живых систем Балтийского федерального университета им. Иммануила Канта, Россия, 236041 Калининград, ул. Университетская, 2; Кафедра физиологии, фармакологии и неврологии, Бристольский университет, Бристоль, Соединенное Королевство.Электронный адрес: [email protected].

Элемент в буфере обмена

Полнотекстовые ссылки Параметры отображения

Показать варианты

Формат АннотацияPubMedPMID

Абстрактный

Глия Бергмана (BG) — это высокоспециализированные радиальные астроциты коры мозжечка, которые играют ключевую роль в захвате синаптического глутамата через возбуждающий переносчик аминокислот EAAT1.Многочисленные доказательства предполагают, что при нейродегенеративных заболеваниях мозжечка реактивный BG оказывает негативное влияние на функцию и выживаемость нейронов из-за нарушения активности EAAT. Семейство таких заболеваний — это болезни, вызванные экспансией CAG-повторов в генах семейства атаксинов, что приводит к спиноцеребеллярной атаксии (SCA). Мы исследовали вклад BG в патогенез нейродегенерации мозжечка на модели SCA1, которая была индуцирована экспрессией полиглутаминового мутанта атаксина-1 (ATXN1 [Q85]), в частности, в BG.Мы сравнили результаты с новой моделью, в которой мы вызывали эксайтотоксичность за счет хронической оптогенетической активации BG каналом родопсина-2 (ChR2). В обоих случаях мы обнаружили доказательства снижения поглощения глутамата, проявляющегося в удлинении возбуждающих постсинаптических токов в клетках Пуркинье, что согласуется с документально подтвержденным снижением экспрессии и / или функции EAAT1. В обеих моделях мы обнаружили астроглиоз и атрофию клеток Пуркинье. Наконец, такая же картина была обнаружена у «нокаутированной» мыши, которая экспрессирует мутантный полиглутамин атаксин-1 ATXN1 [Q154] неселективным образом.Наши результаты предполагают, что ATXN1 [Q85] и ChR2-индуцированный инсульт, нацеленный на BG, очень имитирует патологию SCA1, где избыточная передача сигналов глутамата, по-видимому, является общей чертой, которая, вероятно, вносит важный вклад в нейродегенерацию мозжечка.

Ключевые слова: Бергманн глия; Мозжечок; Возбуждающий переносчик аминокислот типа 1; Клетка Пуркинье; Спиноцеребеллярная атаксия 1 типа.

LinkOut — дополнительные ресурсы

Источники полных текстов
Другие источники литературы

[Икс]

цитировать

Копировать

Формат: AMA APA ГНД NLM

Дмитрий Потапенко Изобретения, патенты и заявки на патенты

Номер публикации: 20120285695

Реферат: Предложен метод обработки скважинной области, через которую проходит ствол скважины, с помощью обрабатывающего агента, включающий доставку обрабатывающего агента на буровую площадку, заключенную в один или несколько разрушаемых контейнеров, введение одного или нескольких разрушаемых контейнеров в перекачиваемую жидкость. вниз по скважине и механическое разрушение одного или нескольких разрушаемых контейнеров в стволе скважины или в пласте для высвобождения обрабатывающего агента.Также предложен способ обработки скважинной области, через которую проходит ствол скважины, с помощью специального твердого отклоняющего материала, который включает в себя особые формы, такие как волокна или хлопья и / или смеси частиц особого размера, включая доставку специального твердого отклоняющего материала на закрытую буровую площадку. в одном или нескольких контейнерах, вставляя один или несколько контейнеров в жидкость, закачиваемую в скважину, и позволяя одному или нескольким контейнерам высвободить специальный твердый отклоняющий материал в стволе скважины.

Тип: Приложение

Зарегистрирован: 11 мая 2011 г.

Дата публикации: 15 ноября 2012 г.

Заявитель: Schlumberger Technology Corporation

Изобретателей: Теодор Лафферти, Джон Дэниелс, Дмитрий Потапенко, Бруно Лесерф, Марина Булова

Хроническая оптогенетическая стимуляция глии Бергмана приводит к дисфункции EAAT1 и гибели клеток Пуркинье, имитируя события, вызванные экспрессией патогенного атаксина-1

Основные моменты

•: Новая модель реактивного астроглиоза, основанная на длительной оптогенетической активации Была развита глия Бергмана.
•: Лентивирусная экспрессия полиглутаминового мутанта атаксина-1 (ATXN1 [Q85]) в BG SCA1 привела к нейродегенерации, сходной с вызванной оптогенетической гиперстимуляцией.
•: Реактивный BG способствует нейродегенерации мозжечка через нарушение EAAT1.
•: Эксайтотоксичность, вызванная избыточным внеклеточным глутаматом, по-видимому, вносит важный вклад в нейродегенерацию в моделях SCA-1.

Abstract

Мы исследовали вклад BG в патогенез нейродегенерации мозжечка на модели SCA1, которая была индуцирована экспрессией полиглутаминового мутанта атаксина-1 (ATXN1 [Q85]) конкретно в BG. Мы сравнили результаты с новой моделью, в которой мы вызывали эксайтотоксичность за счет хронической оптогенетической активации BG каналом родопсина-2 (ChR2). В обоих случаях мы обнаружили доказательства снижения поглощения глутамата, проявляющегося в удлинении возбуждающих постсинаптических токов в клетках Пуркинье, что согласуется с документально подтвержденным снижением экспрессии и / или функции EAAT1.В обеих моделях мы обнаружили астроглиоз и атрофию клеток Пуркинье. Наконец, такая же картина была обнаружена у «нокаутированной» мыши, которая экспрессирует мутантный полиглутамин атаксин-1 ATXN1 [Q154] неселективным образом.

Наши результаты предполагают, что ATXN1 [Q85] и ChR2-индуцированный инсульт, нацеленный на BG, очень имитирует патологию SCA1, где избыточная передача сигналов глутамата, по-видимому, является общей чертой, которая, вероятно, вносит важный вклад в нейродегенерацию мозжечка.

Ключевые слова

Глия Бергмана

Переносчик возбуждающих аминокислот типа 1

Спиноцеребеллярная атаксия типа 1

Мозжечок

Клетка Пуркинье

Рекомендуемые статьиЦитирующие статьи (0)

Цитирующие статьи

Проект MUSE — Список участников

АГАПОВ Михаил , доктор исторических наук, старший научный сотрудник лаборатории исторической географии и регионоведения Тюменского государственного университета; Ведущий научный сотрудник Тюменского научного центра Сибирского отделения Российской академии наук, Тюмень, Россия. [email protected]

Коринн ГЕРИНГ , доктор философии, научный сотрудник, Лейбницкий институт истории и культуры Восточной Европы (GWZO), Лейпциг, Германия[email protected]

Илья ГЕРАСИМОВ , доктор исторических наук, кандидат исторических наук, ответственный редактор, Ab Imperio , Чикаго, Иллинойс, США. [email protected]

ГЛЕБОВ Сергей , кандидат исторических наук, редактор Ab Imperio ; Научный сотрудник Тюменского государственного университета, Тюмень, Россия; Доцент кафедры истории Смит-колледжа и Амхерст-колледжа, Амхерст, Массачусетс, США. [email protected]

Чиа Инь HSU , доцент исторического факультета Портлендского государственного университета, Портленд, Орегон, США[email protected]

ИВАНОВ Александр Сергеевич , кандидат исторических наук, старший преподаватель, Институт гуманитарного образования и спорта, Сургутский государственный университет, Сургут, Россия. [email protected]

КАЗАКЕВИЧ Геннадий , доктор исторических наук, профессор, исторический факультет, Киевский национальный университет имени Тараса Шевченко, Украина. [email protected]

КАЗАКЕВИЧ Ольга , доктор исторических наук, доцент, Национальный педагогический университет им. Драгоманова, Киев, Украина[email protected]

Остап КИН , магистр библиотечных и информационных наук, архивист / библиотекарь / Координатор исследовательского центра русского и советского нонконформистского искусства, Художественный музей Зиммерли, Университет Рутгерса, Нью-Брансуик, Нью-Джерси, США, [email protected]

Федор КОРАНДЕЙ , кандидат исторических наук, старший научный сотрудник лаборатории исторической географии и регионоведения Тюменского государственного университета, Тюмень, Россия. [email protected]

Светлана КУЗЬМИНА , старший преподаватель, Казанский национальный исследовательский технологический университет, Казань, Россия. [email protected]

ЛАТЫШ Юрий , кандидат исторических наук, доцент кафедры истории украинского мира Киевского национального университета имени Тараса Шевченко, Украина. [email protected]

Йонас ЛЁФЛЕР , кандидат наук, a.r.t.e.s. Высшая школа гуманитарных наук Кельна, Кельнский университет, Германия.jloeffl3 @ smail. uni-koeln.de

Марина ЛОСКУТОВА , кандидат исторических наук, кандидат исторических наук, доцент кафедры истории Национального исследовательского университета «Высшая школа экономики» в Санкт-Петербурге, Россия. [email protected]

Александр МАРТИН , профессор, исторический факультет, Университет Нотр-Дам, Нотр-Дам, Индиана, США. [email protected]

МАСЛИИЧУК Владимир Владимирович , доктор исторических наук, старший преподаватель, Национальный университет «Киево-Могилянская академия», Киев, Украина[email protected]

Константин МИТРОШЕНКОВ , магистр гуманитарного факультета Национального исследовательского университета «Высшая школа экономики», Москва, Россия. [email protected]

МОГИЛНЕР Марина Владимировна , кандидат исторических наук, редактор журнала Ab Imperio ; Научный сотрудник Тюменского государственного университета, Тюмень, Россия; Доцент кафедры интеллектуальной истории России и Восточной Европы им. Эдварда и Марианны Таден исторического факультета Иллинойского университета в Чикаго, штат Иллинойс, США[email protected]

Людмила НОВИКОВА , кандидат исторических наук, Международный центр истории и социологии Второй мировой войны и ее последствий, Национальный исследовательский университет «Высшая школа экономики», Москва, Россия. [email protected]

ПАВЛОВА Маргарита , магистр сравнительной истории, Центральноевропейский университет, Будапешт, Венгрия. [email protected]

ПОТАПЕНКО Светлана , кандидат исторических наук, М.Институт украинской археографии и источниковедения им. С. Грушевского НАН Украины, Киев, Украина. [email protected]

Сергей СЕРГЕЕВ , доктор политических наук, профессор, Казанский национальный исследовательский технологический университет / Казанский федеральный университет, Казань, Россия. [email protected]

ШАТАЛОВ Денис , кандидат исторических наук, научный сотрудник Украинского института изучения Холокоста «Ткума», Днепр, Украина[email protected]

СКЛОКИН Владимир , кандидат исторических наук, доцент кафедры новейшей истории Украины Украинского католического университета, Львов, Украина. [email protected]

Борис СТЕПАНОВ , кандидат культурологии, старший научный сотрудник Института теоретико-исторических исследований в гуманитарных науках Национального исследовательского университета «Высшая школа экономики», Москва, Россия. [email protected]

ТАРАСОВ Константин , кандидат исторических наук, доцент, г.Петербургский государственный электротехнический университет «ЛЭТИ», Санкт-Петербург, Россия. [email protected]

Анна ВОЗНА , магистр русских и славистических исследований, Ванкувер, Британская Колумбия, Канада. [email protected]

Фэнфэн Чжан , доктор философии, старший научный сотрудник школы истории и культуры Южно-Китайского педагогического университета, Гуанчжоу, Китайская Народная Республика. [email protected]

Лайи ЧЖАН , доктор философии, профессор всемирной истории, Школа истории и культуры…

Использование ГИС и участие заинтересованных сторон для инноваций в оценке риска прилова морских млекопитающих в промыслах с ограниченными данными

Abstract

Прилов рыболовства был признан самой большой угрозой для морских млекопитающих во всем мире. Охарактеризовать воздействие прилова на морских млекопитающих сложно, поскольку его сложно одновременно наблюдать и количественно оценивать, особенно при мелкомасштабном рыболовстве, где данные о промысловом усилии, численности и распространении морских млекопитающих часто ограничены.Отсутствие рамок рисков, которые могут интегрировать и визуализировать существующие данные, затрудняют возможность описания и количественной оценки риска прилова. Здесь мы описываем дизайн нового инструмента географических информационных систем, созданного специально для анализа прилова при маломасштабном рыболовстве, который называется «Оценка риска прилова» (ByRA). Используя морских млекопитающих в Малайзии и Вьетнаме в качестве тестового примера, мы применили ByRA для оценки рисков, связанных с дельфинами Иравади ( Orcaella brevirostris) и дюгонями ( Dugong dugon ) при использовании пяти типов малых рыболовных снастей (крючок и леска, сети, ярусы, ловушки и ловушки, тралы).ByRA использует существующие данные о распределении животных, промысловом усилии и оценки степени взаимодействия путем объединения экспертных знаний и пространственного анализа существующих данных для визуализации и характеристики риска прилова. Выявляя области, вызывающие озабоченность приловом, с учетом неопределенности с использованием графиков, карт и сводных таблиц, мы демонстрируем важность интеграции имеющихся геопространственных данных в доступном формате, который опирается на местные знания и может быть подтвержден и передан заинтересованным сторонам рыболовства с ограниченными данными .Наш методологический подход направлен на удовлетворение насущных потребностей менеджеров рыболовства: выявить новые модели взаимодействия между орудиями лова и морскими млекопитающими и поддержать разработку управленческих мер, которые могут привести к устойчивому рыболовству и снизить риск прилова для видов, вызывающих озабоченность по сохранению видов.

Образец цитирования: Verutes GM, Johnson AF, Caillat M, Ponnampalam LS, Peter C, Vu L, et al. (2020) Использование ГИС и участие заинтересованных сторон для инноваций в оценке риска прилова морских млекопитающих в промыслах с ограниченными данными.PLoS ONE 15 (8): e0237835. https://doi.org/10.1371/journal.pone.0237835

Редактор: Даниэль Э. Дуплисеа, Институт Мориса Ламонтань, КАНАДА

Поступила: 5 декабря 2019 г .; Одобрена: 4 августа 2020 г .; Опубликовано: 20 августа 2020 г.

Авторские права: © 2020 Verutes et al. Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника.

Доступность данных: Данные не могут быть общедоступными по юридическим и этическим причинам. Исследователи, работающие в Сараваке и Джохоре, Малайзия, особенно те, которые работают с лекарственными растениями и редкими животными, не делают точки GPS общедоступными, поскольку отдельные лица могут использовать их для незаконного сбора растений или животных и коммерческой эксплуатации, что наносит ущерб выживанию и сохранению видов. . GPS-координаты дюгоней и дельфинов делают их легко доступными для коллекционеров и охотников.Кроме того, согласно Постановлению о защите дикой природы Саравака 1998 года китообразные являются полностью охраняемым видом. Таким образом, авторы твердо убеждены в том, что их местность также должна быть поставлена под охрану. В соответствии с целью обеспечения долгосрочной доступности данных для всех заинтересованных исследователей, следующие три институциональных представителя, которые не участвовали в исследовании и не указаны в качестве авторов в рукописи, готовы хранить данные и отвечать на внешние запросы. запросы на доступ к данным.1) Файрул Измал Джамал Хисне ([email protected]) — SBTI, Малайзия 2) Джанна Минтон ([email protected]) — KUCG, Малайзия 3) Truong Anh Tho ([email protected]) — KGBR , Вьетнам Чтобы обеспечить постоянное или долгосрочное хранение и доступность данных, данные будут храниться в трех независимых местах. Если контакт не отвечает по электронной почте, заинтересованным сторонам предлагается связаться с ведущим автором ([email protected], +1 202-709-3457), чтобы получить доступ к этим конфиденциальным данным о местонахождении исчезающих видов. .

Финансирование: Сбор данных на полевом участке Сибу-Тингги финансировался благотворительным фондом Pew Charitable Trusts через стипендию Pew Marine для LSP и Проект по сохранению дюгоней и водорослей Глобального экологического фонда (GEF). Сбор данных на полевом участке бухты Кучинг финансировался Саравак Шелл Берхад, Фондом сохранения океанских парков, Международной китобойной комиссией и Министерством науки, технологий и инноваций Малайзии. Финансирование этого проекта было предоставлено U.S. Национальное управление атмосферы Управление по международным делам и инспекции морепродуктов Номер награды: NA16NMF4630338.

Конкурирующие интересы: Авторы заявили, что конкурирующих интересов не существует.

1. Введение

Маломасштабное рыболовство (МРП) является важнейшим средством существования и средств к существованию во многих регионах мира. Они обеспечивают необходимые источники белка, продовольственную безопасность и борьбу с бедностью [1, 2] и поддерживают благополучие более полумиллиарда человек во всем мире [3].Несмотря на свою глобальную важность, SSF борется с устойчивостью, когда местные сообщества не имеют доступа к социальному капиталу, необходимому для участия в управлении ресурсами [4–6]. В результате информация и данные о SSF часто ограничены по сравнению с крупномасштабными промышленными промысловыми операциями [7–9]. Более того, некоторые SSF были идентифицированы как угроза морским экосистемам и видам [10–12]. Учитывая неустойчивый статус многих прибрежно-морских видов и социально-экономическое значение УМФ, необходимы надежные основы для поддержки устойчивого рыболовства и сохранения видов в УМФ [13–15].

SSF, как и другие отрасли рыболовства, вызывает прилов рыбы. Прилов относится к непреднамеренному отлову нецелевых видов [16, 17] и был определен как самая большая угроза для морских млекопитающих во всем мире [18, 19]. Для истощенных популяций морских млекопитающих даже несколько запутываний в год могут представлять значительную угрозу [20], особенно в сочетании с кумулятивным воздействием других антропогенных угроз [21–23]. Риск прилова особенно сложно анализировать и рассчитывать в УМФ из-за пробелов в данных о промысловом усилии, распределении и ареалах морских млекопитающих [9, 19, 24].Исследования по сохранению видов, разработанные в тесном сотрудничестве с местными заинтересованными сторонами, персоналом агентства и учеными, могут быть использованы для преодоления этих препятствий, охарактеризовав взаимосвязь между SSF и распространением морских млекопитающих, находящихся под угрозой исчезновения [25–27].

Последние инновации в геопространственных технологиях продемонстрировали успех в поддержке устойчивого рыболовства и сохранения морских млекопитающих. Системы глобального позиционирования в сочетании с беспилотными воздушными и морскими дронами, оснащенными лазерными, тепловыми и акустическими датчиками, теперь позволяют ученым и специалистам по охране природы отслеживать перемещения морской мегафауны [28–30] и промысловые усилия SSF [31], отображать распределение видов и предпочтения среды обитания [ 32, 33] и оценить специфические для таксонов воздействия деятельности человека [34–36].Кроме того, участие сообществ и местный опыт могут быть интегрированы с дистанционным зондированием и пространственным анализом, чтобы заполнить пробелы в данных, охарактеризовать неопределенность существующей информации и произвести действенную информацию для решения проблем устойчивости [37, 38]. Учитывая растущую доступность инструментов для управления SSF, в том числе тех, которые основаны на местных знаниях и географических информационных системах (GIS), мы стремимся интегрировать и визуализировать существующие данные о взаимодействиях SSF с морскими млекопитающими, чтобы повысить эффективность исследований по управлению рыболовством и уменьшить неопределенность. .

Оценка риска оценивает вероятность или вероятность того, что событие произойдет, и масштабы последствий, если событие произойдет [39, 40]. Оценка риска видов — это один из подходов к поддержке устойчивого использования и сохранения ресурсов путем оценки потенциала снижения риска различных вариантов управления рыболовством в морских рыбных запасах, средах обитания и экосистемах [41–43]. Имея в виду аналогичную цель, географы и пространственные экологи разработали инструменты для картирования и измерения вероятности воздействия и, как следствие, уязвимости для морских видов, от воздействия оффшорной ветровой электростанции и шума судов до прилова в результате рыболовства [44–46].Исследования, в которых используется ГИС для оценки риска этих случайных взаимодействий, могут помочь решить проблему прилова морских млекопитающих, поскольку они представляют собой основу для анализа биоразнообразия и его восприимчивости к одной или нескольким угрозам. Кроме того, пространственно явные оценки риска морских видов (например, [43, 47, 48]) опираются на совместное картографирование, пространственный анализ и методы визуализации данных, которые особенно важны в контекстах с ограниченными данными [38, 49], для вовлечения заинтересованных сторон, установить доверие и получить доступ к местным знаниям [50, 51].

Несмотря на достижения в области ГИС-технологий для сбора данных, пространственного анализа и оценки рисков, остается потребность в инструментах, которые включают пространственно-временное измерение SSF и включают как воздействие прилова, так и его последствия для местных популяций морских млекопитающих. По этой причине мы разработали Оценку риска прилова (ByRA), инструмент для пространственно явной оценки риска, специально предназначенный для прилова морских млекопитающих в промыслах с ограниченными данными. ByRA объединяет существующие данные SSF и морских млекопитающих в рамках ГИС с открытым исходным кодом.Что наиболее важно, результаты ByRA, которые включают карты риска прилова и графики, описывающие взаимодействие видов и снастей в разные сезоны и сценарии, производятся в доступных форматах интерактивной веб-визуализации и сводных таблиц. Таким образом, эти продукты могут быть легко переданы заинтересованным сторонам, не являющимся экспертами, и проверены экспертами для повторного улучшения, которое расширяет понимание местного рыболовства, выявляет и заполняет пробелы в знаниях и может использоваться для разработки стратегий, направленных на достижение целей устойчивого развития [25, 52, 53 ].

Здесь мы представляем результаты применения ByRA в Юго-Восточной Азии, в частности, в Малайзии и Вьетнаме. В этих странах рыба является основным источником питания и средств к существованию [54, 55], и менеджеры стремятся собирать надежную, точную и пространственно четкую информацию о прилове SSF [19, 25]. ByRA обладает двумя важными характеристиками, которые делают его полезным для понимания распределения промысловой деятельности, морских млекопитающих и скорости их взаимодействия в пространстве и времени: (1) он предназначен для быстрой пространственной оценки в масштабе участка, с вводом данных SSF и предположения сообщаются прозрачным образом; и (2) он разработан в тесном сотрудничестве с местными заинтересованными сторонами, персоналом агентства и учеными, что имеет решающее значение для действенной оценки различных вмешательств и стратегий управления приловом.ByRA способствует взаимодействию с заинтересованными сторонами, выявляет проблемные области прилова и совместно создает знания. Мы описываем, как можно использовать ByRA для использования существующих данных о распределении животных и промысловых усилий, интегрировать совместное картографирование и знания местных экспертов в рамках ГИС с открытым исходным кодом.

2. Материалы и методы

Для разработки инструмента ByRA мы использовали три тематических исследования в Юго-Восточной Азии и прилов двух видов морских млекопитающих. Этими объектами были биосферный заповедник Кьензянг (Вьетнам), залив Кучинг и архипелаг Мерсинг (Малайзия) (рис. 1).Первые два имеют прилов дельфинов Иравади (Orcaella brevirostris) , а у последних имеется значительная популяция дюгоней (дюгоней дюгоней) . На каждом из участков мы пользовались поддержкой местных исследователей и агентствами по управлению ресурсами и работали вместе с ними, чтобы выполнить эту работу и использовать их данные о морских млекопитающих и мелких рыболовных судах.

Риск прилова оценивался на основе имеющихся данных ГИС о встречаемости морских млекопитающих и промысловой деятельности.Они были нанесены на карту как оценки пригодности среды обитания и плотности ядра, соответственно. Данные о промысле были сгруппированы по пяти основным категориям снастей (крючки и лески, сети, ярусы, ловушки и ловушки и тралы). К факторам риска прилова относятся экологические и социально-политические факторы, в частности сезонные погодные (муссонные) модели и текущее состояние управления рыболовством, которые влияют на распределение популяций морских млекопитающих и УМФ. В бухте Кучинг, Малайзия, мы оценили три сценария (после муссонов, засушливых дождей и предмуссонных дождей), чтобы уловить сезонные факторы, которые, как известно, меняют характер промысла и появление дельфинов Иравади с течением времени, и, следовательно, варьировать их подверженность риску прилова, включая частоту встреч и время. перекрытия с разными передачами в пространстве.На всех участках мы определили последствия (воздействия) таких взаимодействий, включая этапы жизненного цикла, затронутые угрозами, характерными для снастей, и местный статус сохранения видов. В следующих разделах описываются три ключевых шага, которые мы предприняли для использования существующих данных с помощью инструмента ByRA: (i) привлечь заинтересованные стороны и получить существующие знания, (ii) построить сценарии прилова и (iii) проанализировать и визуализировать риск прилова и неопределенность данных.

2.1. Привлекайте заинтересованные стороны и приобретайте существующие знания

В нашем методологическом подходе упор делался на прозрачность и построение отношений сотрудничества до сбора данных, включая представителей провинциальных правительств, неправительственных организаций (НПО) и ученых из местных университетов (Таблица 1).При запросе информации мы описали наше предполагаемое использование и соблюдали ограничения на совместное использование данных на основе локальной иерархии управления, а также то, как о них будет сообщаться. Например, мы получили конфиденциальную информацию (например, о происхождении животных) отчасти потому, что держатели данных были вовлечены в проект с самого начала, понимали, как будут использоваться знания, и знали, что их участие будет анонимным с помощью инструмента.

Следующие вопросы, заданные на этапе сбора данных, дали наиболее полезную информацию для выполнения ByRA: (i) Какие виды съемок и технологии вы используете для отслеживания морских млекопитающих и рыболовных судов? (ii) Какие промыслы существуют и какие орудия лова используются? (iii) Какие пространственные данные доступны / существуют для вашего полевого участка, чтобы помочь понять риск прилова (например,g., наблюдения за морскими млекопитающими, батиметрические данные по навигационным картам, руководящие принципы управления рыболовством)? (iv) Имеется ли в районе действующая программа наблюдений за промыслом, сеть береговых линий или другие признаки работы, связанной с морскими млекопитающими, и, если да, то в каком сезоне (ах) проводится мониторинг?

2.1.1. Сферы интересов и субрегионы.

Основываясь на пространственном охвате существующих съемок морских млекопитающих и промыслов, мы структурировали оценку риска, выделив представляющие интерес районы (AOI), которые простирались на 10 км за пределы мест с высокой встречаемостью SSF и морских млекопитающих.Это минимизировало краевые эффекты в геопространственных расчетах и сосредоточило внимание на известных областях, вызывающих озабоченность приловом. Чтобы обобщить и сравнить результаты ByRA в пределах каждого участка, мы определили от 4 до 8 субрегионов (рис. 2), которые различались экологическими, экологическими и / или управленческими факторами. AOI для островов Сибу-Тингги (SBTI) охватывал существующий морской парк Султан Искандар и прилегающие воды, охватывая территорию, на которой Исследовательская организация MareCet проводит воздушные исследования разрезов на линиях распространения дюгоней и промысловую деятельность [56].Мы разделили участок бухты Кучинг (KUCG) на четыре подобласти, как в Peter et al. [57] для захвата двух экологически различных прибрежных и двух гидрологически связанных внутренних районов обширной речной системы Кучинга. AOI биосферного заповедника Кьензянг (KGBR) — это весь биосферный заповедник, который был разделен на подразделения в соответствии с обследованными слоями, используемыми Вьетнамской сетью морской мегафауны [58].

Рис. 2. Субрегионы (пронумерованные кружки), основанные на управлении, сохранении, геополитическом и экологическом сходстве на трех участках месторождения Юго-Восточной Азии.

A) SBTI: Зоны 1–3 очерчивают границы в 2 морских мили существующего морского парка Султана Искандара. Зона 4 охватывает оставшиеся основные ареалы обитания дюгоней, контролируемые Исследовательской организацией MareCet в Джохоре, Малайзия; (B) KUCG: 1) залив Сантубонг-Салак, 2) залив Бако-Бунтал, 3) воздушные реки Салак-Телага, 4) реки Сантубонг-Бунталь, как в Peter et al. [57]. Самые темные серые круги обозначают речную сеть и устья залива Кучинг; (C) KGBR: Зоны 1–7 на основе съемочных слоев Вьетнамской сети морской мегафауны.

https://doi.org/10.1371/journal.pone.0237835.g002

2.1.2.Рыболовная деятельность и использование снастей.

Мы получили информацию о рыболовных снастях, которые, как известно, запутываются, вызывают выброс на берег или гибель двух представляющих интерес прибрежных морских млекопитающих. Все методы лова были разделены на пять широких, но различных категорий: (1) сети, (2) тралы, (3) ловушки и ловушки, (4) ярусы и (5) крючки и лески (таблица 2). Объединение различных методов лова в пять общих категорий снастей упростило процесс сбора данных, помогая местным партнерам определять наиболее распространенные методы лова на каждом участке.Например, мы изначально идентифицировали более 20 различных снастей, используемых рыбаками в КГБР, Вьетнаме и соседних водах Камбоджи [58]. Эти пять групп промысловых мероприятий, в которых, как известно, встречаются морские млекопитающие, служили для выяснения воздействий, связанных с конкретными орудиями лова, на этапе экспертной оценки.

2.1.3. Данные наблюдений за экологическими и морскими млекопитающими.

Мы начали с составления глобально доступных слоев ГИС (например, континентальный массив суши и острова, крупные реки, батиметрия) для характеристики прибрежно-морской среды в исследуемых районах.Три онлайн-источника, в частности (1) Natural Earth (naturalearthdata.com), (2) GADM (gadm.org) и (3) GPS Nautical Charts (fishing-app.gpsnauticalcharts.com), предлагали бесплатные справочные слои и зрителей для определить доступные морские карты для покупки. Усилия местных партнеров по мониторингу задокументировали наблюдения животных и SSF во время воздушных и морских съемок в период с 2008 по 2016 год. Эти данные включали местоположение GPS (широта / долгота), наблюдаемых лиц (количество) или тип снастей (имя) и время года. (сезон) для каждого зарегистрированного наблюдения (рис. 3; таблица S1 в данных S1).Для участков СБТИ и КГБР также были приобретены рисунки рыболовных угодий рыбаков и государственных служащих.

Чтобы подготовить эти слои для ввода в ByRA, мы использовали несколько процедур обработки пространственных данных в QGIS, программной платформе ГИС с открытым исходным кодом [59]. Это включало географическую привязку и оцифровку данных глубинных зондирований по навигационным картам, анализ стоимостного расстояния и взвешивание обратных расстояний для расчета расстояния до суши и устьев рек и создания поверхностей батиметрической интерполяции.Наблюдения за морскими млекопитающими в сочетании с данными об окружающей среде использовались в моделях пригодности местообитаний для оценки их распределения и относительной численности на двух полевых участках в Малайзии (см. Раздел 2.2.1. «Модели местообитаний»).

2.2. Сборка сценариев прилова

Сценарии — это упрощенные описания настоящего и возможного будущего [60]. В этом приложении ByRA мы использовали слои сценария, собранные в ГИС, чтобы выделить подходящие места обитания для морских млекопитающих, а также текущее распределение и интенсивность промысловой деятельности по типам снастей.Сценарии включали экологические и социально-политические факторы, такие как сезонные муссоны и правила рыболовства, например, ограничения орудий лова и чувствительные зоны обитания, которые могут влиять на поведение рыбаков и морских млекопитающих. Полученные в результате слои сценария отражают возникающие закономерности взаимодействия видов и снастей и впоследствии оцениваются в трех отдельных оценках риска прилова (см. Раздел 2.3: «Оценка и визуализация риска прилова и неопределенности данных»).

2.2.1. Пригодность для среды обитания.

Модели местообитаний — важные инструменты для увязки наблюдений за морскими млекопитающими с переменными окружающей среды и определения критических местообитаний [61, 62]. Для оценки распределения и относительной численности дюгоней и дельфинов Иравади в географическом пространстве мы использовали модели распределения видов, подходящие для небольших выборок [48, 63, 64], или основанный на правилах подход ГИС для пригодности среды обитания, разработанный для ситуаций с ограниченными данными. . Многие исследователи показали, что глубина, расстояние до суши и расстояние до устьев рек обычно являются важными показателями пригодности среды обитания для дюгоней и прибрежных китообразных, включая дельфинов Иравади (см. [20, 48, 65]).Выбор подходящей модели среды обитания для определения наиболее важных областей в пределах ареала вида зависит от конкретного участка и набора данных [66], а хорошие возможности прогнозирования были достигнуты с помощью экономных моделей [67].

Когда были доступны данные о наблюдениях за морскими млекопитающими, мы применили программное обеспечение для моделирования Maxent (biodiversityinformatics.amnh.org/open_source/maxent/), чтобы составить карту подходящих условий окружающей среды. Максенту необходимо 30 или более наблюдений для разумной статистической мощности [32, 63], и такое количество данных о встречаемости существовало для обоих малазийских полевых участков.Данные только о присутствии дельфинов Иравади и дюгоней использовались для количественной оценки статистической взаимосвязи между предикторами экологических ковариат в местах, где вид наблюдался, по сравнению с фоновыми местоположениями, в которых наблюдения не проводились [68]. Алгоритм Maxent сделал вывод о распределении видов как функции соответствующих ковариат окружающей среды [69], которыми на участках SBTI и KUCG были глубина воды (м), уклон морского дна (градусы) и / или расстояние до суши и устьев рек (км).Затем мы преобразовали выходные данные Maxent из непрерывных в категориальные данные, чтобы сопоставить рейтинговые оценки для каждого взаимодействия вида и снасти (см. Раздел: 2.3.2. «Пространственно явные критерии»). Уровни пригодности среды обитания были реклассифицированы с 1 до 3 (от самой низкой до самой высокой пригодности) на основании порогового значения частоты пропусков в 10% (10% данных о происхождении обучения, классифицированных в неподходящих местообитаниях) и максимальной относительной частоты встречаемости (максимальная вероятность для вида находиться в подходящей среде обитания). Выбор переменных Maxent, тестирование модели, оценка производительности и проверка описаны во вспомогательной информации (1.2 «Пространственные данные о видах для критерия пространственного перекрытия»; Таблицы S2 и S4 в данных S1; S7, S8, S9 и S10 фиг. В данных S1).

Наблюдений за дельфинами Иравади ( n = 2 ) для корреляционной модели во Вьетнаме было недостаточно. Вместо этого мы использовали подход «с низким объемом данных» для картирования подходящих мест обитания дельфинов Иравади в КГБР на основе данных Briscoe et al. [48], в котором использовался основанный на правилах ГИС-анализ для обозначения участков среды обитания морских млекопитающих в районе с ограниченными данными наблюдений.Инструмент Union в QGIS использовался для отображения наложения слоев батиметрии и стоимостного расстояния для отображения уровней использования местообитаний в КГБР, а именно: (i) диапазон глубин (0–15 м), (ii) близость к устьям основных рек (<25 км). ) и (iii) близость к суше (<10 км) на основе предыдущих исследований дельфинов в Иравади [20, 65, 70] (таблица S3, рис. S4 в данных S1).

2.2.2. Сезонность.

Чтобы учесть изменения в промысловой деятельности и использовании среды обитания дельфинов Иравади в течение года, мы определили сезонные сценарии в KUCG и проанализировали взаимодействия видов и снастей в течение трех различных периодов времени — i.е., после сезона дождей (с марта по май), в сухой сезон (с мая по сентябрь) и перед началом сезона дождей (с сентября по декабрь). В SBTI аэрофотосъемка для наблюдения за дюгонями и SSF вокруг островов Сибу-Тингги проводилась только в сухой сезон, обычно с ноября по февраль, чтобы избежать северо-восточного муссона [71]. Рыболовство менее интенсивно в сезон дождей (Ли С.Ф., личное сообщение, 25 января 2017 г.), поэтому мы сосредоточились на оценке риска прилова дюгоней в период с марта по ноябрь. В КГБР для определения пространственных закономерностей риска прилова использовался годовой сводный показатель, поскольку в Кьен-Зянге, Вьетнам, мероприятия SSF остаются относительно постоянными в течение года.

2.2.3. Объем и интенсивность промысла.

Для картирования интенсивности промысла по типу снастей мы использовали оценку ядерной плотности (KDE), метод интерполяции, доступный в QGIS для картирования горячих точек, который оценивает местоположение, пространственную протяженность и интенсивность промысловой деятельности [72]. Этот непараметрический ядерный метод использует функцию плотности вероятности случайной величины (в данном случае, падения орудий лова) и подгоняет плавно сужающуюся поверхность к каждой точке [73]. Параметр ограниченного расстояния поиска (1 или 2 км) был применен на основе расстояния между каждой лодкой или трансектом надземной линии, чтобы создать непрерывную поверхность, которая представляет относительную величину интенсивности рыболовства по типу снастей по всей интересующей области (S11 Рис. Данные S1).KDE был применен на двух малазийских полевых участках для анализа данных о встречаемости снастей, собранных в отдельных точках. В КГБР мы составили слои карт, представляющих рыболовные угодья, на основе районов, ранее определенных во время интервью с рыбаками и сотрудниками правительства провинции. Из-за ограниченного количества наблюдений за промысловой деятельностью на юге Вьетнама критерий подверженности «интенсивность использования снастей» не был включен в уравнение риска.

2.3. Оценка и визуализация риска прилова и неопределенности данных

Для оценки риска прилова на каждом участке мы объединили геопространственные слои (1) распределения видов на основе пригодности среды обитания и (2) наличия рыбных промыслов, сгруппированных по типу орудий лова, распределению и интенсивности использования (рис. 4A).Основная функциональность инструмента ByRA — использование собранных оценок коэффициентов взаимодействия и оценка риска прилова (рис. 4B и 4C) — выполняется через пользовательский интерфейс InVEST, свободно загружаемого пакета программного обеспечения (naturalcapitalproject.stanford.edu/software/ инвестировать) [74]. Здесь мы адаптировали критерии воздействия и последствий для оценки риска среды обитания [47, 75], где риск прилова при рыбном промысле рассчитывается как функция вероятности воздействия , (взаимодействие между морскими млекопитающими и промыслом), и его Последствие , которое представляет собой специфическое для снастей воздействие на вид.Для двух дополнительных критериев воздействия, уникальных для риска прилова, мы определили: (1) вероятность взаимодействия , , как вероятность того, что животное столкнется с орудиями лова, если было обнаружено пространственное перекрытие, и (2) уловистость , , как вероятность отлова животных орудиями лова, когда это перекрытие происходит. Подобно Самури и Левину [43], только видовые следствие атрибутов были определены как: (а) устойчивость вида к стрессору (на основе возраста зрелости, репродуктивной стратегии, связи популяций, местного статуса видов) и (б) его чувствительность (влияние снастей на смертность и жизненные циклы).

Рис. 4. Концептуальная модель оценки риска прилова и технологическая схема инструмента.

Верхняя панель показывает, как слои и рейтинговые оценки собираются и комбинируются. Нижняя панель показывает интерфейс инструмента и шаги для оценки риска для каждой ячейки сетки в интересующей области. Цветные полосы на графике риска определены численно и основаны на диапазоне баллов воздействия и последствий (0, 1, 2 и 3 в этой оценке).

https://doi.org/10.1371/journal.pone.0237835.g004

2.3.1. Экспертная оценка.

Взаимодействия между видами и снастями для двенадцати случаев воздействия прилова и критериев последствий были оценены в соответствии с полевыми наблюдениями, обзором литературы и, впоследствии, мнением экспертов (Таблица 3). В августе 2017 года исследователи и сотрудники агентств, специализирующиеся в области морской биологии, экологии рыболовства, морской ветеринарии, биогеографии и социальных наук, участвовали в процессе оценки взаимодействий (от 1 до 3, вклад в риск от низкого до высокого), а также их уверенность в каждое мнение.Представители каждого полевого участка, обладая практическими знаниями в области морских млекопитающих и деятельности ММР, устанавливают окончательные рейтинговые баллы. В дополнительной информации перечислены критерии индивидуального воздействия (E) и последствий (C), а также обоснование оценок взаимодействия, качества данных и весов атрибутов (таблицы S5 и S6 в данных S1).

2.3.2. Пространственно явные критерии.

Когда доступные данные ГИС можно было использовать для характеристики скорости взаимодействия видов и снастей, были созданы слои пространственно-явных критериев (SEC) для дифференциации рейтинговых баллов в пространстве (от 1 до 3, от самого низкого до самого высокого воздействия или последствий, рис. 4).Для этого применения ByRA мы сопоставили и оценили уровни взаимодействия по трем критериям воздействия: (i) интенсивность использования снастей , (ii) текущий статус управления и (iii) вероятность взаимодействия между снастями и видами (Таблица 3, рисунки S11, S12 и S13 в данных S1). Геопространственный рабочий процесс был закодирован как плагин для QGIS (доступен на mmbycatchtoolbox.org) для автоматизации необходимых операций ГИС (то есть объединений и запросов определений) для подготовки входных слоев ByRA SEC.Каждый результат был переклассифицирован (от 1 до 3; от низкого к высокому) с использованием алгоритма естественных разрывов Дженкса, чтобы минимизировать вариации внутри каждого класса. Частота встреч, или «вероятность взаимодействия», была рассчитана как сумма перекрывающихся слоев для пригодности среды обитания (1–3) и интенсивности снастей (1–3), где в сумме 6 или 5 = высокая, 4 = средняя, и 3 или 2 = низкая вероятность взаимодействия между снастями и видами. Текущий статус управления был оценен как «1», если реализовано, и «2», если определено для данной области.Области, в которых не было выявлено никакого управления или регулирования, получили оценку «3», что является максимальной оценкой (наибольший вклад в воздействие) по этому критерию.

2.3.3. Измерение риска прилова.

Двумя общими методами измерения экологического риска, основанными на мнении экспертов, являются евклидово расстояние и мультипликативные функции. В исследованиях кумулятивного картирования воздействия обычно используется мультипликативный подход [76, 77], тогда как оценки риска видов обычно оценивают риск как евклидово (прямолинейное) расстояние для каждой комбинации вид-угроза на графиках риска [43, 47], что приводит к более осторожная оценка и более высокий риск [39, 41].Недавняя оценка основ качественной оценки риска предполагает более высокую производительность модели с использованием меры евклидова расстояния [78]. Поэтому мы выбрали евклидово расстояние, от источника (минимальный балл) до среднего баллов критериев воздействия ( E ) и последствий ( C ), чтобы количественно оценить риск прилова (уравнение 1). Если стрессор и виды не пересекаются, инструмент предполагает, что E = 0, C = 0, и, следовательно, Риск ( R _ij ) = 0 для оцениваемой ячейки сетки.

(1)

2.3.4. Характеристика неопределенности источников данных.

Мы применили переменную структуру взвешивания и оценки качества данных, т. Е. Средневзвешенное значение, где d _i = вес качества данных и w _i = вес атрибута — для учета неопределенности данных и подтверждения вида — рейтинги взаимодействия передач для каждого сайта (уравнение 2, таблица S7 в данных S1). Чтобы охарактеризовать неопределенность ввода данных для охвата заинтересованных сторон, мы разработали простую трехцветную матрицу (Таблица 4).Результаты ByRA вместе с визуализацией качества данных были переданы менеджерам, чтобы показать, как существующая информация на сайтах с ограниченным объемом данных может быть использована для дальнейшего улучшения качества оценок рисков с течением времени.

(2)

3. Результаты

ByRA создала доступные нетехнические карты для визуализации оценок риска прилова. На картах отражены пространственные тенденции в распределении видов и промысловом усилии, чтобы выделить промысловые районы, которые могут иметь высокий коэффициент взаимодействия, а также сезонные изменения риска прилова.Была охарактеризована неопределенность входных данных, а выходные данные были проверены на ошибки и улучшены местными экспертами и заинтересованными сторонами.

3.1. Визуализация риска прилова

Мы обнаружили, что оценки риска в ByRA были основаны в первую очередь на методе лова (тип орудия лова) и плотности промысловой деятельности, которые, как было установлено, перекрывают подходящие районы обитания морских млекопитающих (критерии воздействия «интенсивность использования» и «вероятность взаимодействия», соответственно). Районы с высокой встречаемостью морских млекопитающих и промысловой активностью были предсказаны как районы с самым высоким риском прилова ММР.Специально для трех полевых участков участки, где использовались сети и тралы (орудия, оцененные местными экспертами и литературой как наиболее вероятные и влияющие на ряд характеристик воздействия и последствий, таблицы S5 и S6 в данных S1) были определены с помощью инструмента. представлять значительный риск как для дельфинов Иравади, так и для дюгоней. По сезонам и сценариям был составлен ряд карт риска при прилове, классифицированных как наименьший, средний и самый высокий риск, последний из которых служил для определения районов, вызывающих наибольшую озабоченность приловом (рис. 5).

Рис. 5. Расчетный риск прилова на трех полевых участках (A-C).

(A) Острова Сибу-Тингги, Джохор, Малайзия (SBTI) для дюгоней, (B) Бухта Кучинг, Малайзия (KUCG) в сухой сезон, до и после дождей, B1-3 соответственно, и (C ) Биосферный заповедник Кьензианг, Вьетнам (КГБР) для дельфинов Иравади. Уровни качества данных четырех категорий входных данных ByRA из таблиц 4 и 5 показаны в виде цветных ромбов.

https://doi.org/10.1371/journal.pone.0237835.g005

Таблица 5. Классификация неопределенности ввода данных на трех полевых участках SEA.

Зеленый = имеются существенные данные, желтый = имеются ограниченные данные, а красный = данные либо неполные, либо сильно ограниченные.

https://doi.org/10.1371/journal.pone.0237835.t005

Визуализация выходных данных по рискам также позволила выявить факторы риска по типу снастей и субрегионам (рис. 6). По оценке местных экспертов, сети и тралы имеют значительно более высокую вероятность (воздействие) и воздействие (последствия) для обоих видов морских млекопитающих, где они встречаются вместе, в то время как ловушки и ловушки были более благоприятными, особенно для дюгоней.Правый верхний угол графиков риска ByRA (самые темные синие цветные полосы на рис. 6) показывает, какие снасти были самыми сильными факторами риска прилова, когда происходило взаимодействие каждого вида и снастей. Это включало сети для дюгоней в SBTI, сети и горшки и ловушки для дельфинов Иравади в KUCG, а также тралы для дельфинов Иравади в КГБР. Если бы эти взаимодействия происходили в районах, наиболее подходящих для морских млекопитающих, предполагаемый риск еще больше увеличивался (движение вправо по оси x) из-за большей вероятности взаимодействия видов и снастей и, следовательно, более высокой средней оценки воздействия.Вариации воздействия прилова в пространстве и времени фиксировались как рейтинги воздействия для конкретного снаряжения, а затем отражались как подмножество пространственно явных входных слоев критериев (рис. 6, рис. S11-13, рис. S1). Отдельно мы поделились слоями SEC в простом визуальном формате (карты и таблицы) с учеными и менеджерами по морским млекопитающим, чтобы облегчить обсуждение неопределенности данных и подтвердить предварительные выводы.

Рис. 6. Графики и гистограммы, обобщающие движущие силы и новые модели риска прилова.

Координаты (серые символы), отображаемые как средневзвешенные оценки критериев воздействия и последствий. Они объясняют вклад каждой категории снастей в риск по субрегиону, типу пригодности среды обитания и сценарию. ByRA рассчитывает риск на основе расстояния от источника (воздействие = 1,0, последствия = 1,0) до каждой координаты для каждой ячейки, где темно-синий цвет указывает на более высокий риск. Символ звезды с желтым ореолом в правом верхнем углу указывает на условия наибольшего риска. Гистограммы показывают общую подверженную риску площадь (ось X) по уровню риска (синяя цветовая палитра) и подобластям (ось Y) для каждого полевого участка (A – C) и сценария.Обратите внимание на две оси x для сайта KUCG на панели B.

https://doi.org/10.1371/journal.pone.0237835.g006

3.2. Получение экспертных знаний

Входные слои карты ByRA и оценки взаимодействия видов и снастей были многократно улучшены посредством экспертного обзора и обратной связи с использованием интерактивных карт и дискуссий в рамках совместной ГИС. Сочетание региональных встреч, семинаров и интервью с экспертами помогло усовершенствовать подход и подтвердить первые результаты.Прозрачный и гибкий подход к вовлечению заинтересованных сторон и оценке рисков был назван нашими сотрудниками ключевым фактором для укрепления доверия к процессу и выявления местных знаний, часто скрытых в отчетах и на жестких дисках с данными представителей провинциальных правительств и других учреждений. Например, коллеги из Вьетнама, которые не смогли присутствовать на встрече с нашей командой, позже предоставили ключевые слои данных о расположении устьев рек для моделирования пригодности среды обитания дельфинов Иравади и распространенных снастей, наблюдаемых правительственными чиновниками в районах рыболовства, где используется GPS. было запрещено.

Два посещения объекта в 2017 году послужили для выработки общего понимания подхода ByRA среди проектной группы и того, как можно стандартизировать ByRA в дальнейшем для учета различного количества и качества данных и заполнения критических информационных пробелов. Вторым визитом был семинар по обмену знаниями ByRA с нашими сотрудниками из страны, чтобы продемонстрировать, как они могут применить этот инструмент в своих странах. Мы обнаружили, что включение этих личных встреч в бюджет нашего проекта было необходимым шагом для активизации действий во всем регионе в поддержку исследовательских усилий, в частности, для более эффективного использования существующих данных из записей наблюдений за животными и SSF, экспертных знаний, правительственные отчеты и литература.Эти связи также упростили последующее взаимодействие и удаленную поддержку для применения ByRA в новых географических регионах, поскольку были преодолены многие научные и технологические препятствия (например, укрепление потенциала, понимание методологического подхода, пользовательского интерфейса и неопределенности данных).

3.3. Характеристика неопределенности

Личные встречи с заинтересованными сторонами в августе 2017 г. дали диагностику неопределенности данных, показав градиент качества вводимых данных по трем полевым участкам (таблица 5).Это было использовано нашей командой для выявления и обсуждения общих черт в разных местах и таксонах, определения приоритетности новых методов, таких как местные исследования данных об окружающей среде, встречаемости животных, промысловых усилий, а также для признания неопределенности в рамках информационно-разъяснительной работы. Мы обнаружили, что, качественно визуализируя неопределенность входных данных (используя зеленый, желтый и красный цвета всемирно признанного сигнала светофора), ученые и менеджеры имели более четкий набор приоритетов для будущего сбора и интеграции существующей информации; с упором на заполнение пробелов в данных, уменьшение неопределенности данных в областях наибольшего беспокойства по прилову, выявленных инструментом, и возобновление деятельности по мониторингу, приостановленной из-за ограничений финансирования.

Выходные данные карты

ByRA также были проверены на ошибки сотрудниками внутри страны, при этом определенные районы были помечены как потенциально переоценка или недооценка промысловой деятельности и пригодности среды обитания, что является двумя важными факторами риска прилова в инструменте. Мы могли охарактеризовать неопределенность данных и проверить результаты только потому, что присутствовали местные эксперты для подтверждения оценок риска прилова на основе информации, ранее предоставленной исследователями и носителями знаний. Визуализация неопределенности по ряду входных данных и полевых участков помогла исследователям из Малайзии, Вьетнама и Камбоджи наметить путь вперед за счет концентрации ограниченных ресурсов в областях со значительными пробелами в информации и рассмотрения протоколов и технологий мониторинга, которые уже принесли значительную отдачу в соседние регионы (см. Vu et al.[57] на примере КГБР Вьетнама).

3.4. Новые закономерности и результаты

По всем трем полевым участкам SEA результаты ByRA выявили возникающие пространственные тенденции взаимодействия между SSF и морскими млекопитающими; в частности, орудия лова и места, которые могут иметь высокие коэффициенты прилова и пагубные последствия для жизнеспособности популяций морских млекопитающих. Например, прибрежные районы с самым высоким уровнем риска прилова дюгоней (самые темные синие полосы на рис. 6A) были хорошо распределены по четырем субрегионам SBTI (между 13–44 км ^–2), несмотря на то, что субрегион 4 был наиболее обширным (68 % общей площади субрегионов 1–3), ближайшая к основной рыбацкой деревне (Мерсинг) и наименее защищенная (управление рыболовством не выявлено).ByRA выявил эту и другие неочевидные закономерности, которые было бы трудно выявить без четкой пространственно-временной структуры оценки рисков. Например, координаты риска, нанесенные на график для каждого взаимодействия вида и снастей, и диапазона пригодности местообитаний, показали, что сети, развернутые в некоторых районах SBTI, представляют собой промежуточный уровень риска прилова, как и другие снасти SSF. С другой стороны, риск от сетей был самым высоким внутри субрегиона 3 (рис. 5A и 6A). Кроме того, сводные данные об уровнях риска прилова по районам в виде гистограмм (рис. 6) показывают, как риск сокращается и расширяется в пространстве и времени, включая сезонные изменения общей площади устьевых и прибрежных вод с наибольшим риском прилова МУС.

Как показано на полевом участке бухты Кучинг (KUCG), сезонные снимки показывают, как риск прилова может измениться в течение года и внутри субрегионов (рис. 5B). В сухой сезон (с мая по сентябрь) наибольшая доля среднего и высокого риска по отношению к общей площади приходилась на речную систему субрегионов 3 и 4 (37 и 70% соответственно) по сравнению с 2 и 5% в прибрежных районах. субрегионы. После сезона дождей в прибрежных районах субрегионов 1 и 2 (рис. 6B) возникли дополнительные очаги риска, поскольку активность SSF увеличилась, а встречаемость дельфинов Иравади в этих районах была высокой.Расстояние до суши было определено Максентом как наиболее важная экологическая переменная для дельфинов Иравади после сезона дождей (общий вклад 50%; таблица S4 в данных S1). В результате оценки риска прилова сместились до самых высоких уровней в этих прибрежных районах KUCG до засушливого сезона, особенно там, где было много случаев SSF и стратегии управления рыболовством не были определены.

Самый дефицитный из трех сайтов СЭО, KGBR Вьетнам представляет собой шаблон для пользователей ByRA, применяющих инструмент в местах, где существующие данные сильно ограничены (уровни неопределенности от красного до желтого в таблице 4).Несмотря на то, что мы полностью полагались на данные, собранные другими лицами, которые использовали косвенные измерения активности ММР и распределения морских млекопитающих (например, интервью с рыбаками, совместное картографирование и наложения окружающей среды, такие как расстояние до суши, глубина и другие оптимальные диапазоны переменных местообитаний), мы обнаружили три отдельные области. в субрегионах 1, 5 и 6, на которые приходится почти весь (88%) самый высокий уровень риска прилова на территории КГБР. Таким образом, все еще можно было определить конкретные места на юге Вьетнама – i.е. наибольшая вероятность взаимодействия между дельфинами и ударными орудиями (в данном случае сетями и тралами) — в качестве приоритетных кандидатов для дальнейшего мониторинга и сбора данных.

4. Обсуждение

В этом исследовании мы представляем пространственно точные оценки риска прилова на трех полевых участках Юго-Восточной Азии. В общей сложности 10 810 км, ² устьевых и прибрежных вод были систематически обследованы на 805 км ² (примерно 7,5% от общей площади интереса), что было определено как самый высокий уровень риска прилова для дюгоней и дельфинов.Для этих проблемных областей сети и тралы были типами снастей, связанных с наивысшим риском прилова, в значительной степени из-за большего воздействия (распределение и интенсивность по сравнению с другими снастями УМР) и последствий (смертность), когда эти промыслы сталкиваются с морскими млекопитающими. Пространственно-временные явные сценарии в заливе Кучинг показали закономерности риска, которые в разные сезоны перемещались в устьевые и прибрежные воды и обратно. Объединив информацию из интервью с рыбаками и съемок на разрезах, мы составили карту вероятности взаимодействий между видами и снастями в пространстве, времени и в локальных масштабах.Параллельно с этим были использованы методы геопространственного анализа, такие как совместное картографирование с местными учеными и экспертами агентства, для построения слоев пригодности местообитаний по участкам и сезонам. Наконец, для оценки и картирования риска прилова и неопределенности данных оценивались коэффициенты взаимодействия снастей SSF и видов. Эти результаты ByRA продемонстрировали потенциал нового инструмента для совместного создания знаний и сбора информации о подверженности прилову при маломасштабном рыболовстве с ограниченными данными.

Описание воздействия прилова морских млекопитающих в пространстве и времени можно сравнить с поиском иголки в стоге сена, поскольку прилов трудно наблюдать и количественно оценить [18, 79].Однако результаты ByRA обнадеживают. Несмотря на проблемы устойчивости, с которыми сталкиваются маломасштабные рыболовные хозяйства, ByRA демонстрирует способность использовать ограниченные данные как средство решения некоторых из этих проблем, например, определение районов рыболовства, где и когда следует сосредоточить усилия (мониторинг, образование и разъяснительная работа). ) и, наоборот, выявление областей с низким уровнем риска, где дополнительные усилия не требуются, что экономит время и ресурсы. Такая информация крайне необходима в Юго-Восточной Азии и во многих частях развивающегося мира, где ресурсы и возможности для сохранения морского биоразнообразия и сокращения прилова ограничены [6, 25].Это также может помочь рыболовству в развивающихся странах соблюдать новые правила импорта из положений Закона о защите морских млекопитающих [14, 15].

На фоне важности УМР как источника питания и средств к существованию для прибрежных сообществ [3, 80] эффективное снижение прилова зависит, прежде всего, от выявления новых моделей воздействия, которые определяются множеством факторов, включая численность добычи, сезонность и предпочтения орудий лова. [36, 81, 82]. Тем не менее, результаты ByRA выявили закономерности возникновения прилова (например,g., определенные виды, орудия лова и местоположения), у которых была высокая степень взаимодействия. Например, в субрегионе 3 SBTI взаимодействия между сетями и дюгонями были численно определены как наивысший уровень риска (2,79 для воздействия и 2,80 для последствий; максимальный балл 3,0) из всех изученных взаимодействий между видами и снастями. Интересно, что оценка воздействия прилова была самой высокой для дельфинов в KUCG с сетями, развернутыми во время предмуссонных дождей в субрегионе 4 (2,71 из 3,0), что согласуется с доказательствами того, что жаберные сети представляют собой острую угрозу, вызывающую непосредственную гибель значительного числа морских млекопитающих во всем мире. [18, 19].Путем разделения этого и других факторов воздействия мы обнаружили закономерности наивысшего риска прилова в условиях (1) высоких коэффициентов встречаемости при промысле видов, (2) используемых орудий с высокой ударной нагрузкой (особенно сетей и тралов) (3) управления не выявлено. и (4) подходящая среда обитания морских млекопитающих.

4.1. Ограничения и упрощения

Очевидным информационным пробелом в нашем исследовании были данные о прилове, полученные от бортовых наблюдателей, что является общим требованием в политике рыболовства Европы и США [83, 84], а также метод мониторинга в СЭО, который обычно не используется.На сегодняшний день попытки охарактеризовать прилов и составить карту риска в Юго-Восточной Азии почти полностью основывались на интервью с рыбаками для картирования масштабов промысла в регионе [48, 85]. Без технологий для всестороннего мониторинга использования морской среды рыбаками мы не могли фиксировать действия или взаимодействия, происходящие ночью, с выброшенными или оставленными без присмотра снастями. Использование бортовых наблюдателей, дистанционного электронного мониторинга (REM) и других быстрых и недорогих технологий [85] значительно расширило бы возможности ByRA по выявлению недостаточно обследованных участков с высоким риском.Однако одной из сильных сторон подхода ByRA является способность точно описывать и учитывать неопределенность данных, что является четкой демонстрацией того, как можно использовать информацию даже с низким разрешением для более эффективного расследования рисков и управления будущим мониторингом и управлением приловом [79, 86]. Например, районы с наибольшим риском прилова на полевом участке SBTI предоставляют больше доказательств, подтверждающих недавние призывы к назначению заповедника дюгоней на архипелаге Мерсинг [56]. Точно так же, несмотря на скудность данных в KGBR, карты пригодности местообитаний, полностью составленные на основе наложений ГИС, показали сильное согласие с наблюдениями дельфинов в Иравади, полученными независимо от анализа ByRA (S4 Рис в S1 Data) [58, 87].Хотя эти анализы предоставляют больше информации и понимания областей риска прилова и управленческих вмешательств, которые могут снизить риск, необходимы дополнительные исследования для сравнения смоделированных результатов с другими смоделированными эмпирическими данными по коэффициентам прилова или выбросам на берег [88, 89].

Еще одним соображением для будущих исследований является необходимость учета антагонистических или синергетических эффектов, которые могут лучше отражать общий риск прилова для вида [78]. В то время как расчет совокупного риска ByRA по умолчанию является аддитивным (сумма индивидуальных оценок риска для всех оцениваемых типов снастей), промежуточные результаты можно повторно анализировать и комбинировать при необходимости в каждом контексте принятия решения.Также необходимы более точные данные о скорости взаимодействия видов с такими орудиями лова, как жаберные сети и ловушки, которые также оказывают экологическое воздействие на места обитания и экосистемы [36, 82]. Мы использовали превентивный подход максимального риска, основанный на мнении экспертов (как в [39, 41, 81]), из-за убедительных доказательств того, что снасти SSF ассоциируются с высадкой на берег и смертностью морских млекопитающих [21, 22]. Неопределенность данных с местами ловли также является важным соображением. Наши оценки ядерной плотности были ограничены артефактом линии съемки (круговая подкова), которая при переклассификации на три уровня воздействия давала эффект прерывности в картах промыслового усилия и интенсивности типа снастей (рис. S11 и S13 в данных S1).Желтые и красные уровни неопределенности данных (адекватные ограниченному качеству данных) служат для обозначения этой и других областей, нуждающихся в улучшении (таблица 5).

4,2. Будущие направления

Ученые, занимающиеся морскими млекопитающими, и природоохранные группы в регионе ЮВА продолжают сбор данных о переменных среды обитания, чтобы понять сезонность, поведение китообразных и повысить эффективность мер защиты и управления [33, 56]. Эта информация очень важна, особенно для снижения риска прилова.Эти данные будут использоваться для выбора модели среды обитания [32, 57, 90] и увеличат аналитическую сложность ByRA [79] в поддержку более динамичного управления океаном [35]. Например, сети морской мегафауны во Вьетнаме и Камбодже нацелены на восполнение пробелов в информации в течение следующих нескольких лет, например, дополнительные записи наблюдений за дельфинами Иравади для соответствующих моделей среды обитания, таких как Maxent, при одновременном объединении местных знаний и укреплении потенциала для генерирования действенной информации для общения. с правительственными чиновниками и политиками в долгосрочной перспективе [58].Эти усилия могут быть более осуществимы в областях, определенных инструментом как наиболее высокий относительный риск (например, субрегионы 1-2 и 5-6 в КГБР) и где есть вероятность заинтересованности в сохранении важных морских млекопитающих для туризма и альтернативных источников средств к существованию. [4, 5, 80]. Развертывание других технологий, таких как пассивный акустический мониторинг и телеметрия, также может помочь в этих усилиях.

Взаимодействие видов и снастей и их воздействие сильно различаются в зависимости от местоположения и от мелкомасштабного рыболовства [25, 36, 82], что подчеркивает важность ByRA как инструмента для интеграции существующих знаний, характеристики вероятности прилова и определения районов, где существует риск прилова. высокая.Мы обнаружили, что существенные вложения в процесс оценки взаимодействий между видами и снастями (критерии воздействия и последствий) на основе имеющихся полевых данных, литературы и экспертных знаний были необходимы для выявления заметных эффектов, связанных с маломасштабными орудиями лова и другими местными методами лова. . В тематических исследованиях SEA оценки критериев последствий имели ограниченный диапазон, поскольку на каждом участке оценивался только один вид. Тем не менее, вариация окончательного средневзвешенного значения критериев воздействия указывает на то, насколько оценки риска, связанные с одним механизмом, могут изменяться в пространстве и во времени (например,g., от 1,71 до 2,81 диапазона оценок воздействия для сеток в пределах SBTI). Специалисты по территориальному планированию и менеджеры могут извлечь выгоду из этого понимания, составив карту орудий лова и морских видов, подверженных риску [46, 65, 91], а затем применив ByRA для определения горячих точек прилова, где необходимо смягчение последствий для снижения риска прилова.

Есть также возможности применить ByRA для многовидовой оценки, которая может выявить механизмы высокого риска у разных видов по сезонам или сценариям. Это может включать сравнение риска между районами промысла, влияние различных снастей на риск или оценку рассматриваемых альтернативных стратегий управления [43, 47, 92].За счет использования глобальных систем и региональных программ рейтингов морепродуктов, которые обобщают знания о маломасштабном рыболовстве [9, 93], оценка многовидового риска может применяться для выделения человеческого измерения прилова в результате рыболовства и интеграции локально значимых критериев, таких как установленная высота или прочность сетки сетей, охватывающая концептуальную сложность исследований по сохранению морской мегафауны [79]. После того, как были разработаны базовые уровни риска [94, 95], можно сравнить осуществимые меры управления и меры политики.Наконец, основанные на ГИС сценарии, которые фиксируют межгодовую изменчивость и модификации орудий лова [52], могут быть включены в ByRA для изучения того, как местоположение и время возникновения риска могут измениться в будущем, и предвидеть нуждающиеся зоны риска. дальнейшего мониторинга и оценки.

4.3. Вывод

Мы создали инструмент пространственно-явного управления (ByRA), чтобы лучше понять и охарактеризовать риск прилова, создаваемый обычными орудиями лова при маломасштабном рыболовстве с ограниченными данными.Три уникальных полевых участка, где был зарегистрирован значительный прилов морских млекопитающих, систематически проверялись с использованием имеющихся данных и мощной формы визуализации для картирования районов и сезонов, вызывающих озабоченность, в регионе, где не были выявлены четкие пространственно-временные модели риска прилова. ByRA использовала ряд геопространственных и совместных методов взаимодействия, включая специальные методы, разработанные для районов с дефицитом данных, для сбора и анализа существующей информации о маломасштабном рыболовстве и лучшего планирования дальнейших исследований, снижения прилова, а также восстановления и защиты видов.Эта информация позволяет менеджерам установить исходные условия, обсудить с заинтересованными сторонами следующие шаги по сбору данных и определить меры, которые могут снизить риск прилова при маломасштабном рыболовстве. Это также может помочь этим промыслам соответствовать правилам Европейской комиссии и США [84, 96], которые требуют усилий по снижению острой угрозы прилова морских млекопитающих до устойчивого уровня.

Благодарности

Мы благодарим Исследовательскую организацию MareCet, Малайзийский университет в Сараваке и биосферный заповедник Кьен Джианг, Вьетнам, за знание местных особенностей, понимание и связи с заинтересованными сторонами, Ли С.Ф., В. Лаовечпрасит, Т.А. Tho, T. Huynh, DH Minh, G. Minton, M. Czapanskiy, J. Rudebusch, S. Fairchild, R. Anderson, P. Ferber, A. Haissoune, T. Collombat и S. Tubbs за научную и техническую поддержку. ; Д. Бриско за помощь в моделировании Maxent; и С. Макдональд, Р. Пелк и Дж. Сильвер за проектный вклад ByRA.

Список литературы

1. Эллисон Э. Х., Эллис Ф. Подход к средствам к существованию и управление маломасштабным рыболовством. Морская политика. 2001 Сен; 25 (5): 377–88.
2. Гарсия С.М., Розенберг А.А. Продовольственная безопасность и морской рыболовство: характеристики, тенденции, движущие силы и перспективы на будущее. Философские труды Королевского общества B: биологические науки. 27 сентября 2010 г .; 365 (1554): 2869–80.
3. ФАО. Рыбалка Люди. Департамент рыболовства и аквакультуры ФАО, ФАО, Рим. 2012. Доступно по адресу: http://www.fao.org/fishery/topic/13827/en
4. Беркес Ф. Управление маломасштабным рыболовством: альтернативные направления и методы.IDRC; 2001.
5. Kosamu IB. Условия для устойчивости маломасштабного рыболовства в развивающихся странах. Рыболовные исследования. 2015, 1 января; 161: 365–73.
6. Тех Л.С., Тех Л.С., Хайнс Э., Джунчомпу С., Льюисон Р.Л. Контекстуализация сочетанных социально-экологических условий прилова морской мегафауны. Управление океаном и прибрежными районами. 2015 1 ноября; 116: 449–65.
7. Салас С., Чуэнпагди Р., Сейджо Дж. К., Чарльз А. Проблемы оценки и управления маломасштабным рыболовством в Латинской Америке и Карибском бассейне.Рыболовные исследования. 1 октября 2007 г.; 87 (1): 5–16.
8. Стюарт К.Р., Льюисон Р.Л., Данн Д.К., Бьоркланд Р.Х., Келез С., Халпин П.Н. и др. Характеристика промыслового усилия и пространственной протяженности прибрежных промыслов. ПлоС один. 29 декабря 2010 г .; 5 (12): e14451. pmid: 21206903
9. Чуэнпагди Р., Роклин Д., Бишоп Д., Хайнс М., Грин Р., Лоренци М. Р. и др. Глобальная информационная система по маломасштабному рыболовству (ISSF): краудсорсинговая платформа знаний. Морская политика. 2017 5 июля.
10.Чуэнпагди Р., Лигуори Л., Паломарес М.Л., Паули Д. Восходящие глобальные оценки улова мелкомасштабного морского рыболовства. Рыбы. Center Res. Отчет. 2006; 14 (8).
11. Laneri K, Louzao M, Martínez-Abraín A, Arcos JM, Belda EJ, Guallart J, et al. Режим траления влияет на прилов морских птиц при ярусном промысле в Средиземном море: новые выводы из мелкомасштабного промысла. Серия «Прогресс морской экологии». 2010 16 декабря; 420: 241–52.
12. Уоллес Б.П., Льюисон Р.Л., Макдональд С.Л., Макдональд Р.К., Кот С.Й., Келез С. и др.Глобальные закономерности прилова морских черепах. Письма о сохранении. 2010 июн; 3 (3): 131–42.
13. Merino G, Barange M, Blanchard JL, Harle J, Holmes R, Allen I и др. Может ли морское рыболовство и аквакультура удовлетворить спрос на рыбу со стороны растущего населения в условиях меняющегося климата ?. Глобальное изменение окружающей среды. 2012 г., 1 октября; 22 (4): 795–806.
14. Уильямс Р., Берджесс М.Г., Эш Е., Гейнс С.Д., Ривз Р.Р. Ограничение импорта морепродуктов в США представляет собой возможность и риск. Наука.2016 16 декабря; 354 (6318): 1372–4. pmid: 27980169
15. Джонсон А.Ф., Кайлат М., Verutes GM, Питер С., Джунчомпу К., Лонг В. и др. Плохое рыболовство борется с правилами импорта США. Наука. 2017 10 марта; 355 (6329): 1031–2. pmid: 28280175
16. Льюисон Р.Л., Краудер Л.Б., Рид А.Дж., Фриман С.А. Понимание воздействия прилова рыболовства на морскую мегафауну. Тенденции в экологии и эволюции. 1 ноября 2004 г.; 19 (11): 598–604.
17. Kappel CV. Теряемые кусочки головоломки: угрозы для морских, устьевых и диадромных видов.Границы экологии и окружающей среды. 2005 июн; 3 (5): 275–82.
18. Прочтите AJ. Надвигающийся кризис: взаимодействие между морскими млекопитающими и рыболовством. Журнал маммологии. 5 июня 2008 г., 89 (3): 541–8.
19. Ривз Р.Р., Макклеллан К., Вернер ТБ. Прилов морских млекопитающих при промысле жаберных сетей и других запутывающих сетей, 1990–2011 гг. Исследования исчезающих видов. 2013 21 марта; 20 (1): 71–97.
20. Минтон Дж., Питер С., Туен А.А. Распространение мелких китообразных в прибрежных водах Саравака, Восточная Малайзия.Зоологический бюллетень Raffles. 2011 28 февраля; 59 (1).
21. Ван Варебик К., Рейес Дж. Взаимодействие между мелкими китообразными и перуанскими промыслами в 1988/89 г. и анализ тенденций. Отчеты Международной китобойной комиссии (специальный выпуск 15): 495Y502. 1994.
22. Джаман С.А., Лах-Ани Ю.Ю., Пирс Г.Дж. Направленный промысел дельфинов и дюгоней в Сабахе, Восточная Малайзия: прошлое и настоящее. Борнео Наука. 2008; 23 (2008): 1–20.
23. Халперн Б.С., Фрейзер М., Потапенко Дж., Кейси К.С., Кениг К., Лонго С. и др.Пространственные и временные изменения совокупного антропогенного воздействия на Мировой океан. Связь природы. 2015 14 июля; 6: 7615. pmid: 26172980
24. Мур Дж. Э., Кокс TM, Льюисон Р. Л., Рид А. Дж., Бьоркланд Р., Макдональд С. Л. и др. Подход, основанный на интервью, для оценки отловов морских млекопитающих и морских черепах при кустарном рыболовстве. Биологическая консервация. 1 марта 2010 г .; 143 (3): 795–805.
25. Сойкан К.Ю., Мур Дж. Э., Зиделис Р., Краудер Л. Б., Сафина С., Льюисон Р. Л.. Зачем изучать прилов? Введение в тематический раздел, посвященный прилову при рыболовстве.Исследования исчезающих видов. 23 декабря 2008 г.; 5 (2–3): 91–102.
26. Беллидо Дж.М., Сантос М.Б., Пеннино М.Г., Валейрас X, Пирс Г.Дж. Выбросы и прилов рыбы: решения для экосистемного подхода к управлению рыболовством ?. Hydrobiologia. 1 июля 2011 г .; 670 (1): 317.
27. Хайнс Э., Стриндберг С., Джунчомпу С., Поннампалам Л.С., Илангакун А.Д., Джексон-Рикеттс Дж. И др. Линейные оценки численности дельфинов Иравади вдоль восточного побережья Мексиканского залива в Таиланде. Границы морских наук.2015 3 сентября; 2:63.
28. Бэрд Р.У., Вебстер Д.Л., Ашеттино Дж.М., Шорр Г.С., МакСвини Д. Китообразные Odontocete вокруг главных Гавайских островов: использование среды обитания и относительная численность по данным наблюдений с малых судов. Водные млекопитающие. 2013 г. 1 июля; 39 (3).
29. Ходжсон А., Келли Н., Пил Д. Беспилотные летательные аппараты (БПЛА) для изучения морской фауны: тематическое исследование дюгоней. ПлоС один. 2013 4 ноября; 8 (11): e79556. pmid: 24223967
30. Кристиансен Ф., Эстебан Н., Мортимер Дж. А., Дуйон А. М., Хейс GC.Динамика и сезонные закономерности активности и размера домашнего ареала зеленых черепах на их кормовых угодьях выявлены с помощью расширенного отслеживания Fastloc-GPS. Морская биология. 2017 1 января; 164 (1): 10.
31. Натале Ф., Карвальо Н., Паульруд А. Определение мелкомасштабного рыболовства в ЕС на основе диапазона их деятельности Шведский флот в качестве примера. Рыболовные исследования. 2015 1 апреля; 164: 286–92.
32. Тобенья М., Прието Р., Мачете М., Сильва М.А. Моделирование потенциального распространения и численности китообразных на Азорских островах на основе данных программы наблюдателей за промыслом.Границы морских наук. 2016 18 октября; 3: 202.
33. Kuit SH, Ponnampalam LS, Ng JE, Chong VC, затем AY. Распространение и характеристики среды обитания трех симпатрических видов китообразных в прибрежных водах Матанга, Перак, полуостров Малайзия. Сохранение водных ресурсов: морские и пресноводные экосистемы.
34. Маннокчи Л., Робертс Дж. Дж., Миллер Д. Л., Халпин П. Н.. Экстраполяция плотности китообразных для количественной оценки антропогенного воздействия на популяции в открытом море.Биология сохранения. 2017 июн; 31 (3): 601–14. pmid: 27775847
35. Hazen EL, Scales KL, Maxwell SM, Briscoe DK, Welch H, Bograd SJ и др. Инструмент динамичного управления океаном для сокращения прилова и поддержки устойчивого рыболовства. Наука продвигается. 2018 1 мая; 4 (5): eaar3001. pmid: 29854945
36. Шестер Г.Г., Микели Ф. Проблемы сохранения при маломасштабном рыболовстве: воздействие ловушек и жаберных сетей на прилов и среду обитания. Биологическая консервация. 2011 1 мая; 144 (5): 1673–81.
37. Беркес Ф. Сохранение на уровне сообществ в глобализированном мире. Известия Национальной академии наук. 2007 25 сентября; 104 (39): 15188–93.
38. Ruckelshaus M, McKenzie E, Tallis H, Guerry A, Daily G, Kareiva P и др. Заметки с мест: уроки, извлеченные из использования подходов к экосистемным услугам для обоснования реальных решений. Экологическая экономика. 2015 г. 1 июля; 115: 11–21.
39. Hobday AJ, Smith AD, Stobutzki IC, Bulman C, Daley R, Dambacher JM, et al.Оценка экологического риска последствий рыболовства. Рыболовные исследования. 1 марта 2011 г .; 108 (2–3): 372–84.
40. Гиббс М.Т., Бровман Х.И. Оценка рисков и управление рисками: учебник для морских ученых. Журнал морских наук ICES. 2015 16 февраля; 72 (3): 992–6.
41. Патрик У.С., Спенсер П., Линк Дж., Коуп Дж., Филд Дж., Кобаяши Д. и др. Использование индексов продуктивности и восприимчивости для оценки уязвимости рыбных запасов Соединенных Штатов Америки перед переловом. Бюллетень рыболовства.2010. 108 (3): 305–22.
42. Уильямс А., Даудни Дж., Смит А.Д., Хобдей А.Дж., Фуллер М. Оценка воздействия рыболовства на бентические среды обитания: система оценки рисков, применяемая к австралийскому рыболовству. Рыболовные исследования. 1 декабря 2011 г .; 112 (3): 154–67.
43. Самхури Дж. Ф., Левин П. С.. Связывание наземной и морской деятельности с риском для прибрежных экосистем. Биологическая консервация. 2012, 1 января; 145 (1): 118–29.
44. Брэдбери Г., Триндер М., Фернесс Б., Бэнкс А.Н., Калдов Р.В., Хьюм Д.Картирование чувствительности морских птиц к морским ветровым электростанциям. ПлоС один. 2014; 9 (9).
45. Коминелли С., Лихи М., Девиллерс Р., Холл, Великобритания. Инструменты геовизуализации для информирования управления шумом судов в поддержку сохранения видов. Управление океаном и прибрежными районами. 1 марта 2019 г .; 169: 113–28.
46. Баерум К.М., Анкер-Нильссен Т., Кристенсен-Далсгаард С., Фангель К., Уильямс Т., Фёльстад Дж. Х. Пространственные и временные изменения прилова морских птиц: Случайный прилов при норвежском прибрежном промысле жаберных сетей.ПлоС один. 2019; 14 (3).
47. Arkema KK, Verutes G, Bernhardt JR, Clarke C, Rosado S, Canto M и др. Оценка риска среды обитания в результате деятельности человека для информационного планирования прибрежных и морских территорий: демонстрация в Белизе. Письма об экологических исследованиях. 2014 18 ноября; 9 (11): 114016.
48. Бриско Д.К., Хиатт С., Льюисон Р., Хайнс Э. Моделирование среды обитания и риска прилова дюгоней в Сабахе, Малайзия. Исследования исчезающих видов. 2014 июн 13; 24 (3): 237–47.
49.Розенталь А., Верутес Дж., Маккензи Э., Аркема К.К., Бхагабати Н., Бремер Л.Л. и др. Важны процессы: структура для проведения оценок экосистемных услуг, связанных с принятием решений. Международный журнал науки о биоразнообразии, экосистемных услуг и управления. 2015 г. 3 июля; 11 (3): 190–204.
50. Вибер М., Беркс Ф., Чарльз А., Кирни Дж. Совместное исследование в поддержку управления рыболовством на уровне сообществ. Морская политика. 1 ноября 2004 г.; 28 (6): 459–68.
51. Тримбл М., Беркес Ф.Совместное исследование в направлении совместного управления: уроки кустарного рыболовства в прибрежном Уругвае. Журнал экологического менеджмента. 2013 15 октября; 128: 768–78. pmid: 23860379
52. Альфаро-Шигуэто Дж., Мангель Дж. К., Пахуэло М., Даттон П. Х., Семинофф Дж. А., Годли Б. Дж.. Там, где малый может иметь большое влияние: структура и характеристика мелкого рыболовства в Перу. Рыболовные исследования. 2010 г., 1 октября; 106 (1): 8–17.
53. ФАО. Состояние мирового рыболовства и аквакультуры, 2018 г. — Достижение целей устойчивого развития, Рим, Италия.2018. Доступно по адресу: http://www.fao.org/fishery/sofia/en
54. Needham S, Funge-Smith SJ. Потребление рыбы и рыбных продуктов в Азиатско-Тихоокеанском регионе на основе обследований домашних хозяйств. Региональное отделение ФАО для Азии и Тихого океана, Бангкок, Таиланд. Публикация ПДП. 2015; 12.
55. Ахмад Н.И., Ван Махиюддин В.Р., Тенгку Мохамад Т.Р., Линг С.Й., Дауд С.Ф., Хусейн Н.К. и др. Структура потребления рыбы взрослыми людьми разных национальностей на полуострове Малайзия.Исследования в области пищевых продуктов и питания. 2016, 1 января; 60 (1): 32697.
56. Поннампалам Л.С., Измал Дж. Ф., Адулянукосол К., Оои Дж. Л., Рейнольдс Дж. Э. Согласование приоритетов сохранения и исследований для активного управления видами и средой обитания: случай дюгоней Dugong dugon в Джохоре, Малайзия. Орикс. 2015 Октябрь; 49 (4): 743–9.
57. Питер С., Пох А.Н., Нгейан Дж., Туен А.А., Минтон Г. Определение характеристик среды обитания и критических районов для дельфина Иравади, Orcaella brevirostris: значение для сохранения.В сборнике «Натуралисты, исследователи и полевые ученые Юго-Восточной Азии и Австралазии, 2016 г.» (стр. 225–238). Спрингер, Чам.
58. Лонг В., Тхо Т.А., Хунг Н.Н., Дуй Л. Сохранение китообразных в биосферном заповеднике Кьензянг, Вьетнам. Программа сохранения лидерства. 2017; 3234115.
59. Команда разработчиков QGIS. Географическая информационная система QGIS. Проект Фонда геопространственных данных с открытым исходным кодом. 2018. Доступно по адресу: http://qgis.osgeo.org.
60. Хенрихс Т., Зурек М., Эйкхаут Б., Кок К., Раудсепп-Херн С., Рибейро Т. и др.Разработка и анализ сценариев для перспективных оценок экосистем. Экосистемы и благополучие человека: руководство для специалистов по оценке. 2010 апр. 5: 151–219.
61. Redfern JV, Ferguson MC, Becker EA, Hyrenbach KD, Good C., Barlow J, et al. Методы моделирования среды обитания китообразных. Серия «Прогресс морской экологии». 2006 г. 3 апреля; 310: 271–95.
62. Грегр Э.Дж., Баумгартнер М.Ф., Лайдре К.Л., Паласиос Д.М. Модели среды обитания морских млекопитающих достигли зрелости: возникновение экологической и управленческой значимости.Исследования исчезающих видов. 2013 декабря 19; 22 (3): 205–12.
63. Пирсон Р.Г., Раксуорти С.Дж., Накамура М., Таунсенд Петерсон А. Прогнозирование распределения видов на основе небольшого количества записей о встречаемости: тестовый пример с использованием загадочных гекконов на Мадагаскаре. Журнал биогеографии. 2007, январь; 34 (1): 102–17.
64. Элит Дж., Филлипс С.Дж., Хасти Т., Дудик М., Чи Й.Е., Йетс СиДжей. Статистическое объяснение MaxEnt для экологов. Разнообразие и распространение. 2011 г., 1 января; 17 (1): 43–57.
65. Джексон-Рикеттс Дж., Джунчомпу С., Хайнс Э.М., Хазен Э.Л., Поннампалам Л.С., Илангакун А. и др. Моделирование среды обитания дельфинов Иравади (Orcaella brevirostris) в восточной части Сиамского залива. Экология и эволюция. 2020 марта 4: 10: 2778–2792.
66. Валаванис В.Д., Пирс Г.Дж., Зуур А.Ф., Палиалексис А., Савельев А., Катара И. и др. Моделирование основных местообитаний рыб на основе дистанционного зондирования, пространственного анализа и ГИС. В: Картирование основных местообитаний рыб в Средиземноморье, 2008 г. (стр.5–20). Спрингер, Дордрехт.
67. Пирсон Р.Г. Моделирование распределения видов для преподавателей и практиков в области охраны природы. Синтез. Американский музей естественной истории. 2007; 50: 54–89.
68. Филлипс SJ, Андерсон Р.П., Шапир RE. Максимальное энтропийное моделирование географического распределения видов. Экологическое моделирование. 25 января 2006 г., 190 (3–4): 231–59.
69. Дудик М., Филлипс С.Дж., Шапир РЭ. Оценка максимальной плотности энтропии с обобщенной регуляризацией и приложение к моделированию распределения видов.Журнал исследований в области машинного обучения. 2007; 8 (июн): 1217–60.
70. Парра Дж. Г., Шик Р. Дж., Коркерон П. Пространственное распределение и экологические корреляты австралийских курносых и индо-тихоокеанских горбатых дельфинов. Экография. 2006 июн; 29 (3): 396–406.
71. Сухайла Дж, Дени С.М., Зин В.В., Джемейн А.А. Тенденции данных об осадках на полуострове Малайзия в сезоны юго-западных и северо-восточных муссонов: 1975–2004 гг. Sains Malaysiana. 2010, 1 августа; 39 (4): 533–42.
72.Шахраби Дж., Пелот Р. Анализ плотности ядра морского рыболовного движения и инцидентов в канадских водах Атлантического океана. Журнал прикладных наук. 2009. 9 (3): 415–26.
73. Келсалл Дж. Э., Диггл П. Дж. Непараметрическая оценка пространственной вариации относительного риска. Статистика в медицине. 1995, 15 ноября; 14 (21-22): 2335–42. pmid: 8711273
74. Sharp R и др. Руководство пользователя InVEST 3.7.0. Совместная публикация The Natural Capital Project, Стэнфордского университета, Университета Миннесоты, The Nature Conservancy и Всемирного фонда дикой природы).Стэнфорд, Калифорния: Стэнфордский университет. 2019. Доступно по адресу: http://releases.naturalcapitalproject.org/invest-userguide/latest/.
75. Wyatt KH, Griffin R, Guerry AD, Ruckelshaus M, Fogarty M, Arkema KK. Оценка риска среды обитания для регионального планирования океана на северо-востоке и в Средней Атлантике США. ПлоС один. 2017; 12 (12).
76. Халперн Б.С., Уолбридж С., Селкое К.А., Каппель К.В., Мичели Ф., Д’агроса С. и др. Глобальная карта воздействия человека на морские экосистемы. Наука.15 февраля 2008 г .; 319 (5865): 948–52. pmid: 18276889
77. Ban NC, Алидина HM, Ardron JA. Картирование кумулятивного воздействия: достижения, актуальность и ограничения в области управления и сохранения морской среды на примере тихоокеанских вод Канады. Морская политика. 2010, 1 сентября; 34 (5): 876–86.
78. Хордык А.Р., Каррутерс ТР. Количественная оценка качественной структуры оценки риска: изучение допущений и прогнозов анализа восприимчивости производительности (PSA).ПлоС один. 1 июня 2018 г .; 13 (6): e0198298. pmid: 29856869
79. Льюисон Р.Л., Джонсон А.Ф., Verutes GM. Понимание сложности и понимания сложности в сохранении и исследованиях морской мегафауны. Границы морских наук. 26 июня 2018 г .; 5: 207.
80. Бене С., Макфадьен Г., Эллисон Э. Увеличение вклада мелкого рыболовства в сокращение масштабов нищеты и обеспечение продовольственной безопасности. Продовольственная и сельскохозяйственная организация; 2007.
81. Стобуцкий И., Миллер М., Брюэр Д.Устойчивость прилова при промысле: процесс оценки очень разнообразного и многочисленного прилова. Охрана окружающей среды. 2001 июн; 28 (2): 167–81.
82. Альфаро-Шигуэто Дж., Мангель Дж. К., Даркеа Дж., Доносо М., Бакеро А., Доэрти П. Д. и др. Устранение последствий использования сетей в юго-восточной части Тихого океана: быстрая оценка прилова морских черепах для определения приоритетов сохранения при маломасштабном рыболовстве. Рыболовные исследования. 1 октября 2018 г .; 206: 185–92
83. Регламент (ЕС) № 1380/2013 Европейского парламента и Совета от 11 декабря 2013 г. об Общей политике в области рыболовства, вносящий поправки в Регламенты Совета (ЕС) № 1954/2003 и (ЕС) № 1224/2009 и отменяющий Регламенты Совета (ЕС). ) № 2371/2002 и (ЕС) № 639/2004 и Решение Совета 2004/585 / ЕС.OJ 2013 L 354 / 22–61.
84. Океанический национальный и административный атмосферный (NOAA). Кормили. Зарегистрируйтесь. 2016: 81: 157: 54390.
85. Pilcher NJ, Adulyanukosol K, Das H, Davis P, Hines E, Kwan D, et al. Недорогое решение для документирования распространения и численности морской фауны, находящейся под угрозой исчезновения, и воздействия рыболовства. ПлоС один. 2017 28 декабря; 12 (12): e01. pmid: 29284017
86. Hoffman FO, Hammonds JS. Распространение неопределенности в оценке риска: необходимость различать неопределенность из-за недостатка знаний и неопределенность из-за изменчивости.Анализ риска. 1994 Октябрь; 14 (5): 707–12. pmid: 7800861
87. Таббс С.Е., Бас А.А., Кот Дж., Нотман Г. Отчеты о наблюдениях и высадках на берег дельфинов Иравади (Orcaella brevirostris) и дюгоней (Dugong dugon) в Кепе и Кампот, Камбоджа. Водные млекопитающие. 1 сентября 2019 г .; 45 (5): 563–9.
88. Пельтье Х., Дабин В., Даниэль П., Ван Каннейт О., Дремус Дж., Хьюон М. и др. Значимость данных о высадке на берег как индикаторов популяций китообразных в море: моделирование дрейфа туш китообразных.Экологические показатели. 2012 г., 1 июля; 18: 278–90.
89. Hamel NJ, Burger AE, Charleton K, Davidson P, Lee S, Bertram DF и др. Документ симпозиума: Прилов и выброшенные на берег птицы: оценка воздействия на смертность при рыболовстве в прибрежных сетях с использованием выброса морских птиц на мель. Морская орнитология. 2009 15 апреля; 37: 41–60.
90. Таббс С.Е., Кин Э., Джонс А.Л., Тап Р. О распределении, поведении и сезонных изменениях дельфинов Иравади (Orcaella brevirostris) на архипелаге Кеп, Камбоджа.Зоологический бюллетень Raffles. 2020: 68: 137–149.
91. Марсало А., Катара И., Фейхо Д., Араужо Х., Оливейра И., Сантос Дж. И др. Количественная оценка взаимодействий между португальским промыслом кошельков сардины и китообразными. Журнал морских наук ICES. 2015 сентябрь; 72 (8): 2438–49.
92. Дагган Дж. М., Эйхельбергер Б. А., Ма С., Лоулер Дж. Дж., Зив Г. Информирование управления редкими видами с помощью подхода, сочетающего моделирование сценариев и пространственно явную оценку риска.Здоровье и устойчивость экосистемы. 2015 1 августа; 1 (6): 1–8.
93. Стандарты рыбного промысла Seafood Watch v4. 2020. Доступно по адресу: https://www.seafoodwatch.org/-/m/sfw/pdf/criteria/fisheries/mba-seafood-watch-fisheries-standard-version-f4.pdf?la=en.
94. Hodgson EE, Essington TE, Samhouri JF, Allison EH, Bennett NJ, Bostrom A и др. Комплексная оценка рисков для голубой экономики. Границы морских наук. 2019; 6: 609.
95. Tulloch V, Pirotta V, Grech A, Crocetti S, Double M, How J, et al.Долгосрочные тенденции и анализ риска запутывания и прилова китообразных в рыболовных снастях в водах Австралии. Биоразнообразие и сохранение. 2020 1 января; 29 (1): 251–82.
96. Европейский Союз (ЕС). Решение Комиссии (ЕС) о выполнении (ЕС) 2016/1251 от 12 июля 2016 г., в котором принята многолетняя программа Союза по сбору, управлению и использованию данных в секторах рыболовства и аквакультуры на период 2017–2019 гг. 2016: 4329. Доступно по ссылке: http://data.europa.eu/eli/dec_impl/2016/1251/oj

протестующих у дворца российских девелоперов имеют «серьезные упущения» в заявке

Совет по отступлениям обнаружил серьезные упущения в заявке на строительство отеля в Ларнаке российского бизнесмена Николая Потапенко, который на этой неделе объявил акцию протеста у президентского дворца после семилетнего ожидания разрешения на строительство.

Потапенко, который проживает на Кипре 30 лет, в понедельник начал демонстрацию возле президентского дворца с плакатами, в которых говорилось: «Кипр не для законных инвесторов. Ожидание 7 лет для выдачи одной лицензии ».

Сообщается, что он обратился за разрешением на строительство на территории ресторана Hobos Steak House на набережной Финикудес в Ларнаке семь лет назад, и до сих пор не получил требуемого разрешения.

В то время он купил место, где находится ресторан и парковочное место за ним.

Однако мэр Ларнаки Андреас Вирас ответил, сказав, что для задержки есть веская причина. Он рассказал Daily Politis, что Потапенко четыре раза менял планы развития.

«Он хочет построить 90-метровую башню в Финикудесе, поэтому он должен пройти через совет по отступлениям и провести экологическое исследование», — сказал Вайрас.

Он добавил, что последний план участка был представлен бизнесменом в феврале этого года.

Совет по отступлениям — это независимый комитет из пяти человек, который представляет кабинету министров свои предложения по крупным застройкам после изучения и оценки заявок на получение разрешений на строительство, которые отклоняются от положений городского планирования.

Во вторник он заявил, что обнаружил серьезные упущения в полученной информации относительно запроса Потапенко о создании большого гостиничного комплекса «в чувствительном прибрежном районе Финикудес, в центральном торговом районе Ларнаки и в центре города».

Заявка, как сообщило правление, касается 27-этажного гостиничного комплекса, в то время как первоначально предложенная застройка представляла собой смешанный туристический, коммерческий и в основном жилой комплекс, включающий небольшую городскую гостиницу, что было разрешено в соответствии с положениями текущего плана застройки.

«Недавно российский инвестор изменил планы и предлагает большой чисто туристический объект, для которого теперь требуется отклонение, с одной стороны, из-за изменения в использовании застройки, а с другой — из-за превышения размера здания. коэффициент (в дополнение к стимулам, от которых развитие стремится извлечь выгоду) », — говорится в сообщении правления.

Он добавил, что после встречи с муниципалитетом Ларнаки ожидается получение дополнительной важной информации, чтобы правление могло оценить предлагаемое развитие, для которого также необходимы консультации с общественностью из-за его размера.

Правление также сообщило, что обычно отвечает в течение 15 дней со дня получения заявки, а в случаях, когда необходимы консультации с общественностью, оно сразу же планирует их.

В 2018 году сообщалось, что Потапенко уже вложил около 1,5 млн евро в проект, который должен был включать 20-этажный роскошный отель, спа, конференц-центр, апартаменты, коммерческие помещения, кинотеатр и ресторан на крыше.

По данным Majesty Real Estate, Потапенко тогда был близок к завершению сделки.

«Проект двух небоскребов под названием LarnakaTower четыре года обсуждается российским инвестором Николаем Потапенко и муниципалитетом Ларнаки», — сообщил агент по недвижимости в Facebook.

«В результате недавних переговоров строительство будет разрешено не позднее конца июля. Планируется, что при положительном ответе мэрии строительство первой высотки начнется в апреле 2019 года, а все работы продлятся не дольше 2-х.5 лет », — сказано в сообщении.

Планировалось построить два небоскреба, один пятизвездочный отель на 100 номеров и подземную парковку.

«Второй небоскреб станет хранилищем квартир и офисов», — сообщает Majesty Real Estate.

Стипендии: все типы — все годы

2016	ERI	Адамс, Дженна	Генерация мантийной неоднородности, вызванная субдукцией: фазовое равновесие и геохимический анализ смешения мантийных источников и его влияние на генезис магмы на океанских островах
2016	ERI	Алессио, Пол	Фундаментальные процессы изменения морского обрыва
2016	ERI	Арсе, Адам	Ограничения формы волны для геометрии крупных разломов средней глубины: пример зоны субдукции северных Марианских островов
2016	ERI	Брэдли, Дарси	Борьба с незаконным рыбным промыслом, один крупный промысел за раз
2016	ERI	Бриггс, Софи	Глубинное профилирование циркона альпийского сланца по U-Pb и микроэлементам: сдерживание тектонических процессов на поздних стадиях распада Гондваны
2016	ERI	Браун, Николетта,	Рой дамб Росс Орогени, долина Райт, южная часть Земли Виктории, Антарктида: выводы из геохронологии U-Pb и геохимии целых пород
2016	ERI	Пушка, Лес	Использование спутниковой продукции для улучшения регионального моделирования осадков с высоким разрешением в высокогорной Азии
2016	ERI	Эриксон, Элизабет	Россо-орогеновый магматизм на севере Земли Виктории, Антарктида: выводы из геохронологии U-Pb, изотопов Hf и геохимии горных пород в целом
2016	ERI	Феро, Марина	Накопление металлов в биологических волнах ливневых вод: последствия землепользования и воздействие на микробные сообщества
2016	ERI	Гамлен, Брэнди:	Глубокие конвективные явления влияют на изменчивость озона в юго-восточной части Южной Америки
2016	ERI	Гарбер, Джошуа	Программа сокращения объемов данных Whole-Rock
2016	ERI	Гото, Эрика Акеми	Оползни в Петрополисе, Бразилия: анализ риска и воздействия
2016	ERI	Хагерти, Шеннон	Использование данных для информирования о структуре и параметрах модели углерода почвенных микробов
2016	ERI	Heidinger, Haline	Влияние MJO – ENSO на количество осадков в центральных и южных перуанских Андах
2016	ERI	Хадсон, Кеннет	Наблюдения на месте за реакцией площадки во время и после нелинейного поведения почвы
2016	ERI	Хью, Лейси	Дистанционное зондирование горячих точек передачи болезней между домашним скотом и дикими животными
2016	ERI	МакЭтамни, Джанель	Влияние высокотемпературной (> 650ºC) рекристаллизации на диффузию титана в кварце: соображения относительно количественных методов в деформированной кристаллической решетке
2016	ERI	Монтеагудо, Минда М.	Снижение неопределенности палеотермометрии Mg / Ca
2016	ERI	Монтини, Тесса	Климатология низкоуровневой струи в Южной Америке из повторного анализа системы климатических прогнозов (CFSR)
2016	ERI	Нилсон, Райан	Термодинамическое перемешивание вдоль жидкого соединения плагиоклаза
2016	ERI	Нельсон, Демиан	Вулканические стекла Антарктики регистрируют самые обедненные изотопы водорода, когда-либо измеренные в земных породах или минералах
2016	ERI	Рибейро, Фернанда	Классификационная карта основных наземных экосистем биома Серрадо: исследование в приоритетной области сохранения
2016	ERI	Шаффер, Мадлен	Реконструкция эволюции нижней коры Памира: U-Pb циркона и микроэлементная петрохронология ксенолитов Памира
2016	ERI	Ван, Франк	Выбросы углекислого газа и метана из различных зон калифорнийского солончака
2016	ERI	Ван, Ин	Исследование влияния углеродистых наноматериалов на азотфиксацию сои, выращенной в почве
2016	ERI	Виббенмейер, Мэтью	Сжигание дома: подавление лесных пожаров и распределительные эффекты реагирования на стихийные бедствия
2016	ERI	Уилсон, Джаред	Количественная оценка подпитки ручья с использованием непрерывных измерений 222Rn во время шторма
2016	ERI	Зилли, Марсия	Влияние наблюдаемых изменений циркуляции на количество осадков на юго-востоке Бразилии

Марина Потапенко, Ростов-на-Дону, Россия, ВКонтакте, 34 лет, id18723601

✅ ИП ПОТАПЕНКО МАРИНА ИВАНОВНА, 🏙 Корсаков (OГРН 317650100016005, ИНН 650400965210) — 📄 реквизиты, 📞 контакты, ⭐ рейтинг

Последствия пандемии

Краткая справка

Контакты ИП ПОТАПЕНКО МАРИНА ИВАНОВНА

Местонахождение

Телефоны

Электронная почта

Школа № г.Владивосток. Наши достижения. Наши медалисты

Потапенко Марина Владимировна — отзывы о враче, запись на прием в Ставрополе

Часто задаваемые вопросы о враче Потапенко Марине Владимировне

Судебный пристав Потапенко Марина Николаевна в Брянске

Резюме «Менеджер по работе с клиентами, экономист», Киев. Потапенко Марина Владимировна — Work.ua

Менеджер по работе с клиентами, экономист, 20 000 грн

Опыт работы

Менеджер по продажам

Ведущий экономист

Ведущий экономист.

Образование

« Высшая школа бизнеса – Институт Экономики и Менеджмента»

Профессиональные и другие навыки

Знание языков

Дополнительная информация

Принадлежности

Авторы

Принадлежности

Абстрактный

Похожие статьи

LinkOut — дополнительные ресурсы

Источники полных текстов

Другие источники литературы

Дмитрий Потапенко Изобретения, патенты и заявки на патенты

Основные моменты

Abstract

Ключевые слова

Рекомендуемые статьи

Цитирующие статьи

Проект MUSE — Список участников

Использование ГИС и участие заинтересованных сторон для инноваций в оценке риска прилова морских млекопитающих в промыслах с ограниченными данными

Abstract

1. Введение

2. Материалы и методы

2.1. Привлекайте заинтересованные стороны и приобретайте существующие знания

2.1.1. Сферы интересов и субрегионы.

2.1.2.Рыболовная деятельность и использование снастей.

2.1.3. Данные наблюдений за экологическими и морскими млекопитающими.

2.2. Сборка сценариев прилова

2.2.1. Пригодность для среды обитания.

2.2.2. Сезонность.

2.2.3. Объем и интенсивность промысла.

2.3. Оценка и визуализация риска прилова и неопределенности данных

2.3.1. Экспертная оценка.

2.3.2. Пространственно явные критерии.

2.3.3. Измерение риска прилова.

2.3.4. Характеристика неопределенности источников данных.

3. Результаты

3.1. Визуализация риска прилова

3.2. Получение экспертных знаний

3.3. Характеристика неопределенности

3.4. Новые закономерности и результаты

4. Обсуждение

4.1. Ограничения и упрощения

4,2. Будущие направления

4.3. Вывод

Благодарности

Список литературы

протестующих у дворца российских девелоперов имеют «серьезные упущения» в заявке

Стипендии: все типы — все годы

Добавить комментарий Отменить ответ