Ecosystem-based reference points under varying plankton productivity states and fisheries management strategies
Notice bibliographique
Résumé
Abstract In the context of ecosystem-based fisheries management, which should consider changing and uncertain environmental conditions, the development of ecosystem-based biological reference points (EBRPs) to account for important multi-species (MS) interactions, fishery operations, and climate change, is of paramount importance for sustainable fisheries management. However, EBRPs under varying plankton productivity states and fisheries management strategies are seldom developed, and the ecosystem effects of these changes are still largely unknown. In this study, ecosystem-based FMSY (fishing mortality rate at MSY) values were estimated within an end-to-end ecosystem model (OSMOSE) for three focused fish species (Pacific Herring, Clupea pallasii; Pacific Cod, Gadus macrocephalus; Lingcod, Ophiodon elongatus) under three plankton productivity states of differing plankton biomass at high, current, and low levels. In addition, ecosystem effects were compared across different plankton productivity and fisheries management strategies with the latter consisting of two fishery scenarios (i.e. single-species-focused (SS) and MS-focused), various fishing mortality rates, and two harvest policies (with and without harvest control rules, HCRs). Main findings of this study include: (i) plankton productivity change affected the values of ecosystem-based FMSY, which increased as plankton productivity states changed from low to high plankton biomass; (ii) ecosystem-based FMSY for Pacific Herring and Pacific Cod stocks increased when fishery scenarios shifted from SS-focused to MS-focused; (iii) fisheries management incorporating HCR yielded more stable system catch and system biomass; and (iv) high plankton biomass combined with fisheries management using HCR could maintain stable ecosystem production and sustainable fisheries. Based on our findings, we highlight possible adaptive fisheries management strategies in the face of future climate and ocean changes. Overall, EBRPs complement SS stock assessments by incorporating key ecological processes and ecosystem properties, thus providing supporting evidence for better incorporation of ecosystem considerations into scientific advice for sustainable fisheries management.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».