Ecosystem effects of invertebrate fisheries
Notice bibliographique
Résumé
Abstract Since the 1950s, invertebrate fisheries catches have rapidly expanded globally to more than 10 million tonnes annually, with twice as many target species, and are now significant contributors to global seafood provision, export, trade and local livelihoods. Invertebrates play important and diverse functional roles in marine ecosystems, yet the ecosystem effects of their exploitation are poorly understood. Using 12 ecosystem models distributed worldwide, we analysed the trade‐offs of various invertebrate fisheries and their ecosystem effects as well as ecological indicators. Although less recognized for their contributions to marine food webs, our results show that the magnitude of trophic impacts of invertebrates on other species of commercial and conservation interest is comparable with those of forage fish. Generally, cephalopods showed the strongest ecosystem effects and were characterized by a strong top‐down predatory role. Lobster, and to a lesser extent, crabs, shrimp and prawns, also showed strong ecosystem effects, but at lower trophic levels. Benthic invertebrates, including epifauna and infauna, also showed considerable ecosystem effects, but with strong bottom‐up characteristics. In contrast, urchins, bivalves, and gastropods showed generally lower ecosystem effects in our simulations. Invertebrates also strongly contributed to benthic–pelagic coupling, with exploitation of benthic invertebrates impacting pelagic fishes and vice versa. Finally, on average, invertebrates produced maximum sustainable yield at lower levels of depletion (~45%) than forage fish (~65%), highlighting the need for management targets that avoid negative consequences for target species and marine ecosystems as a whole.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».