Evaluating Marine Ecosystem Restoration Goals for Northern British Columbia
Notice bibliographique
Résumé
Using the Ecopath with Ecosim (EwE) framework, we employ historical models of northern British Columbia marine ecosystems corresponding roughly to the years 1750, 1900, 1950, and 2000 to assess them as possible restoration goals. We use a policy optimization routine to identify fishing patterns that maximize economic, social, and ecological benefi ts from the restored historic systems. The ecosystem models are subjected to simulated harvest under optimal fishing plans, and the most beneficial scenarios are identified through various economic, social, and ecological indices. Knowing what a restored system may be worth to stakeholders could help us to justify the costs of whole ecosystem restoration. The 1750 ecosystem emerges as the most desirable restoration goal, owing to its large biomass of valuable target species. It is able to deliver the greatest sustainable benefits in terms of fisheries rent and employment, while sacrificing less biodiversity per dollar harvested. The 1900 period is slightly less attractive in all regards. The 2000 system offers superior benefits to 1950 in terms of potential rent and jobs, though not biodiversity. Ecosystem models have data deficiencies, and parameter uncertainty can compromise optimal harvest predictions. The problem is amplified when we reach into the past, where data for even the most visible species may come from anecdotal accounts. EwE provides a capacity to deal with data uncertainty; here we test ecosystem effects of our optimal harvest policies given unsure initial biomass estimates. Poor quality input data and/or heavy exploitation rates lead to large variations in the predicted structure of the ecosystem following optimal harvests.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».