Describing ecosystem contexts with single‐species models: a theoretical synthesis for fisheries
Notice bibliographique
Résumé
Abstract Fished populations exist within complex ecosystems but are typically assessed using single‐species models. It is often lamented that stock assessments rarely account for other ecosystem components explicitly, but in most fisheries there are clear difficulties in implementing data‐intensive ecosystem‐based assessment approaches. Addressing these competing challenges requires prioritizing investments in expanded assessment frameworks. To provide high‐level conceptual guidance to such prioritization, here we use general analytical theory to identify (i) characteristics of fish stocks that tend to facilitate or inhibit the precision and accuracy of reference points from single‐species assessments, (ii) characteristics of ecosystem components that introduce the greatest bias/imprecision into single‐species reference points and (iii) warning signs within single‐species frameworks that important ecosystem components may not be adequately accounted for. We synthesize and expand on theories from various branches of applied mathematics addressing analogous questions. Our theory suggests that (i) slow population dynamics (relative to the dynamics of other ecosystem components) and a wide range of abundance observations promote precision and accuracy of single‐species reference points; (ii) ecosystem components that strongly influence the focal stock's growth, and change on similar timescales as the focal stock's abundance, introduce the greatest bias/imprecision to single‐species reference points; and (iii) signs of potential challenges for single‐species assessment include fast population dynamics, ‘hydra effects’ (i.e. abundance and fishing pressure simultaneously increase), and recently detected extinctions, invasions or regime shifts in closely connected ecosystem components. Our results generalize to other levels of abstraction and provide strategic insights complementing tactical simulation approaches such as management strategy evaluation.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,005 | 0,010 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».