MétaCan
Menu
Retour à la cohorte
Enregistrement W2009767519 · doi:10.1890/13-0479.1

Implementation of marine spatial planning in shellfish aquaculture management: modeling studies in a Norwegian fjord

2014· article· en· W2009767519 sur OpenAlexaff
Ramón Filgueira, Jon Grant, Øivind Strand

Notice bibliographique

RevueEcological Applications · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine Bivalve and Aquaculture Studies
Établissements canadiensDalhousie University
Organismes subventionnairesNorges Forskningsråd
Mots-clésMarine spatial planningEcosystem-based managementCarrying capacityEnvironmental scienceEcosystem modelEcosystemSpatial planningFjordAquacultureMarine ecosystemEnvironmental resource managementSpatial ecologyEcologyFisheryOceanographyBiologyEnvironmental planning

Résumé

récupéré en direct d'OpenAlex

Shellfish carrying capacity is determined by the interaction of a cultured species with its ecosystem, which is strongly influenced by hydrodynamics. Water circulation controls the exchange of matter between farms and the adjacent areas, which in turn establishes the nutrient supply that supports phytoplankton populations. The complexity of water circulation makes necessary the use of hydrodynamic models with detailed spatial resolution in carrying capacity estimations. This detailed spatial resolution also allows for the study of processes that depend on specific spatial arrangements, e.g., the most suitable location to place farms, which is crucial for marine spatial planning, and consequently for decision support systems. In the present study, a fully spatial physical-biogeochemical model has been combined with scenario building and optimization techniques as a proof of concept of the use of ecosystem modeling as an objective tool to inform marine spatial planning. The object of this exercise was to generate objective knowledge based on an ecosystem approach to establish new mussel aquaculture areas in a Norwegian fjord. Scenario building was used to determine the best location of a pump that can be used to bring nutrient-rich deep waters to the euphotic layer, increasing primary production, and consequently, carrying capacity for mussel cultivation. In addition, an optimization tool, parameter estimation (PEST), was applied to the optimal location and mussel standing stock biomass that maximize production, according to a preestablished carrying capacity criterion. Optimization tools allow us to make rational and transparent decisions to solve a well-defined question, decisions that are essential for policy makers. The outcomes of combining ecosystem models with scenario building and optimization facilitate planning based on an ecosystem approach, highlighting the capabilities of ecosystem modeling as a tool for marine spatial planning.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,375
Score d'incertitude au seuil0,746

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,028
Tête enseignante GPT0,319
Écart entre enseignants0,291 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcological ApplicationsMême sujetMarine Bivalve and Aquaculture StudiesTravaux en français237 207