The global ocean is an ecosystem: simulating marine life and fisheries
Notice bibliographique
Résumé
Abstract Aim There has been considerable effort allocated to understanding the impact of climate change on our physical environment, but comparatively little to how life on Earth and ecosystem services will be affected. Therefore, we have developed a spatial–temporal food web model of the global ocean, spanning from primary producers through to top predators and fisheries. Through this, we aim to evaluate how alternative management actions may impact the supply of seafood for future generations. Location Global ocean. Methods We developed a modelling complex to initially predict the combined impact of environmental parameters and fisheries on global seafood production, and initially evaluated the model's performance through hindcasting. The modelling complex has a food web model as core, obtains environmental productivity from a biogeochemical model and assigns global fishing effort spatially. We tuned model parameters based on M arkov chain random walk stock reduction analysis, fitting the model to historic catches. We evaluated the goodness‐of‐fit of the model to data for major functional groups, by spatial management units and globally. Results This model is the most detailed ever constructed of global fisheries, and it was able to replicate broad patterns of historic fisheries catches with best agreement for the total catches and good agreement for species groups, with more variation at the regional level. Main conclusions We have developed a modelling complex that can be used for evaluating the combined impact of fisheries and climate change on upper‐trophic level organisms in the global ocean, including invertebrates, fish and other large vertebrates. The model provides an important step that will allow global‐scale evaluation of how alternative fisheries management measures can be used for mitigation of climate change.
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 | 0,000 | 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) | 0,000 | 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 ».