MétaCan
Menu
Retour à la cohorte
Enregistrement W2159964590 · doi:10.1017/s0376892910000135

A bioeconomic optimization approach for rebuilding marine communities: British Columbia case study

2009· article· en· W2159964590 sur OpenAlexaffabout
Cameron H. Ainsworth, T. J. Pitcher

Notice bibliographique

RevueEnvironmental Conservation · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBioeconomicsEcosystemFishingEcosystem servicesRestoration ecologyEnvironmental resource managementBiomass (ecology)OverexploitationNatural resource economicsEnvironmental scienceBusinessFisheryEcologyEconomics

Résumé

récupéré en direct d'OpenAlex

SUMMARY Many marine ecosystems are depleted of living resources as a result of long-term overexploitation. Restoration plans should perhaps consider the entire ecosystem as opposed to single species, yet there is currently no suitable framework available for the design and comparison of whole-ecosystem restoration trajectories. This paper presents a novel addition to Ecopath with Ecosim's policy search routine, the ‘specific biomass’ objective function, which allows gaming scenarios to be run using selective fishing as a tool to rebuild depleted marine ecosystems or modify them into a preferred state. In this paper, restoration scenarios aimed to restore an ecosystem in Northern British Columbia to a state similar to the historic ecosystem of 1950 AD. Restoration plans that achieve restoration quickly tend to require a large sacrifice in fishery profits, while slower plans allow for continued harvest benefits. A convex relationship between profit and recovered biodiversity suggests that there may be an optimal rate of restoration. Cost-benefit analysis demonstrates that conservative restoration plans can offer a rate of return superior to bank interest when viewed as an investment in natural capital. Increasing the selectivity of fishing gear improves the economic outlook.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,486
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,021
Tête enseignante GPT0,231
Écart entre enseignants0,210 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations4
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental ConservationMême sujetMarine and fisheries researchTravaux en français237 207