Appraising the Status of Fish Community Structure in the Yellow Sea Based on an Indicator-Testing Framework
Notice bibliographique
Résumé
Fish community structure (FCS) of the Yellow Sea (YS) is affected by multiple pressures. Quantifying the responses of indicators of FCS (IFCSs) to pressures is a key aspect of ecosystem-based fisheries management. Quantitative methodology has hitherto been rarely applied to evaluate the performance of ecological indicators in response to physical and anthropogenic pressures and management actions. In this study, we adopted a quantitative and flexible framework to quantify the performance of IFCSs in the YS as well as to identify a suite of operational IFCSs to evaluate the status of the FCS via two state-space approaches. A total of 22 IFCSs were tested for their responses to three types of pressures including anthropogenic activities (fishing), large-scale climate change, and regional environmental variables. Our results indicate that the majority of IFCSs have good performance in terms of sensitivity in their responses to pressures, but weak performance in terms of robustness. The IFCSs tend to respond stronger to fishing than to large-scale climatic indices and regional environmental indices both in terms of sensitivity and robustness. A final indicator suite of five best-performing IFCSs was identified. The five IFCSs include total catch (ToC), mean trophic level (MTL), the ratio of catch of large predatory groups to total catch (LPC/ToC), mean temperature of catch (MTC) [or alternatively catch of small pelagic groups (SPC)], and functional evenness based on thermal groups (T-J′FD), all of which show regime shift patterns consistent with climate change. Compared to a reference period (1960–1964), the status of the current FCS has been obviously changed, and the long-term trajectories of the final indicator suite is consistent with that of fishing pressure. This study demonstrates the applicability of the indicator-testing framework in appraising the status of FCS, and facilitates moving towards ecosystem-based fisheries management in the YS.
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 | 0,012 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».