Estimating the ecological, economic and social impacts of ocean acidification and warming on <scp>UK</scp> fisheries
Notice bibliographique
Résumé
Abstract Assessments of the combined ecological impacts of ocean acidification and warming ( OAW ) and their social and economic consequences can help develop adaptive and responsive management strategies in the most sensitive regions. Here, available observational and experimental data, theoretical, and modelling approaches are combined to project and quantify potential effects of OAW on the future fisheries catches and resulting revenues and employment in the UK under different CO 2 emission scenarios. Across all scenarios, based on the limited available experimental results considered, the bivalve species investigated were more affected by OAW than the fish species considered, compared with ocean warming alone. Projected standing stock biomasses decrease between 10 and 60%. These impacts translate into an overall fish and shellfish catch decrease of between 10 and 30% by 2020 across all areas except for the Scotland >10 m fleet. This latter fleet shows average positive impacts until 2050, declining afterwards. The main driver of the projected decreases is temperature rise (0.5–3.3 °C), which exacerbate the impact of decreases in primary production (10–30%) in UK fishing waters. The inclusion of the effect of ocean acidification on the carbon uptake of primary producers had very little impact on the projections of potential fish and shellfish catches (<1%). The <10 m fleet is likely to be the most impacted by‐catch decreases in the short term (2020–50), whereas the effects will be experienced more strongly by the >10 m fleet by the end of the century in all countries. Overall, losses in revenue are estimated to range between 1 and 21% in the short term (2020–50) with England and Scotland being the most negatively impacted in absolute terms, and Wales and North Ireland in relative terms. Losses in total employment (fisheries and associated industries) may reach approximately 3–20% during 2020–50 with the >10 m fleet and associated industries bearing the majority of the losses.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».