MétaCan
Menu
Retour à la cohorte
Enregistrement W2123299783 · doi:10.1093/icesjms/fsr012

Integrating ecophysiology and plankton dynamics into projected maximum fisheries catch potential under climate change in the Northeast Atlantic

2011· article· en· W2123299783 sur OpenAlexafffund
William W. L. Cheung, John P. Dunne, Jorge L. Sarmiento, Daniel Pauly

Notice bibliographique

RevueICES Journal of Marine Science · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesUniversity of British ColumbiaCentre for Environment, Fisheries and Aquaculture SciencePrinceton UniversityFord Motor Company
Mots-clésEnvironmental scienceOceanographyPlanktonClimate changeMarine ecosystemPhytoplanktonFishingBiogeochemistryEcosystemFisheryEcologyBiologyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Cheung, W. W. L., Dunne, J., Sarmiento, J. L., and Pauly, D. 2011. Integrating ecophysiology and plankton dynamics into projected maximum fisheries catch potential under climate change in the Northeast Atlantic. – ICES Journal of Marine Science, 68: 1008–1018. Previous global analyses projected shifts in species distributions and maximum fisheries catch potential across ocean basins by 2050 under the Special Report on Emission Scenarios (SRES) A1B. However, these studies did not account for the effects of changes in ocean biogeochemistry and phytoplankton community structure that affect fish and invertebrate distribution and productivity. This paper uses a dynamic bioclimatic envelope model that incorporates these factors to project distribution and maximum catch potential of 120 species of exploited demersal fish and invertebrates in the Northeast Atlantic. Using projections from the US National Oceanic and Atmospheric Administration's (NOAA) Geophysical Fluid Dynamics Laboratory Earth System Model (ESM2.1) under the SRES A1B, we project an average rate of distribution-centroid shift of 52 km decade−1 northwards and 5.1 m decade−1 deeper from 2005 to 2050. Ocean acidification and reduction in oxygen content reduce growth performance, increase the rate of range shift, and lower the estimated catch potentials (10-year average of 2050 relative to 2005) by 20–30% relative to simulations without considering these factors. Consideration of phytoplankton community structure may further reduce projected catch potentials by ∼10%. These results highlight the sensitivity of marine ecosystems to biogeochemical changes and the need to incorporate likely hypotheses of their biological and ecological effects in assessing climate change impacts.

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)0,001
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 enseignants0,114
Score d'incertitude au seuil0,227

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,022
Tête enseignante GPT0,255
Écart entre enseignants0,233 · 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

Citations300
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueICES Journal of Marine ScienceMême sujetMarine and fisheries researchTravaux en français237 207