Using scenarios to project the changing profitability of fisheries under climate change
Notice bibliographique
Résumé
Abstract Over‐exploitation and economic underperformance are widespread in the world's fisheries. Global climate change is further affecting the distribution of marine species, raising concern for the persistence of biodiversity and presenting additional challenges to fisheries management. However, few studies have attempted to extend bioclimatic projections to assess the socio‐economic impacts of climate‐induced range shifts. This study investigates the potential implications of changes in relative environmental suitability and fisheries catch potential on UK fisheries by linking species distribution modelling with cost‐benefit analyses. We develop scenarios and apply a multimodel approach to explore the economic sensitivity of UK fisheries and key sources of uncertainty in the modelling procedure. We projected changes in maximum potential catch of key species and the resulting responses in terms of net present value ( NPV ) over a 45‐year period under scenarios of change in fuel price, discount rate and government subsidies. Results suggest that total maximum potential catch will decrease within the UK EEZ by 2050, resulting in a median decrease in NPV of 10%. This value decreases further when trends of fuel price change are extrapolated into the future, becoming negative when capacity‐enhancing subsidies are removed. Despite the variation in predictions from alternative models and data input, the direction of change in NPV is robust. This study highlights key factors influencing future profitability of UK fisheries and the importance of enhancing adaptive capacity in UK fisheries.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».