Ecological, angler and spatial heterogeneity drive social and ecological outcomes in an integrated landscape model of freshwater recreational fisheries
Notice bibliographique
Résumé
Abstract Freshwater recreational fisheries constitute complex adaptive social-ecological systems (SES) where mobile anglers link spatially structured ecosystems. We present a general social-ecological model of a spatial recreational fishery for northern pike ( Esox lucius ) that included an empirically measured mechanistic utility model driving angler behaviors. We studied emergent properties at the macro-scale (e.g., region) as a result of local-scale fish-angler interactions, while systematically examining key heterogeneities (at the angler and ecosystem level) and sources of uncertainty. We offer three key insights. First, the angler population size and the resulting latent reginal angling effort exerts a much greater impact on the overall regional-level overfishing outcome than any residential pattern (urban or rural), while the residential patterns strongly affects the location of local overfishing pockets. Second, simplifying a heterogeneous angler population to a homogenous one representing the preference and behaviours of an average angler risks severely underestimating landscape-level effort and regional overfishing. Third, we did not find that ecologically more productive lakes were more systematically overexploited than lower-productive lakes. We conclude that understanding regional-level outcomes depends on considering four key ingredients: regional angler population size, the angler population composition, the specific residential pattern in place and spatial ecological variation. Simplification of any of these may obscure important dynamics and render the system prone to collapse.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».