Trading green backs for green crabs: evaluating the commercial shellfish harvest at risk from European green crab invasion
Notice bibliographique
Résumé
<ns4:p> Nonnative species pose a threat to native biodiversity and can have immense impacts on biological communities, altering the function of ecosystems. How much value is at risk from high-impact invasive species, and which parameters determine variation in that value, constitutes critical knowledge for directing both management and research, but it is rarely available. We evaluated the value of the commercial shellfish harvest that is at risk in nearshore ecosystems of Puget Sound, Washington State, USA, from the invasive European green crab, <ns4:italic>Carcinus maenas</ns4:italic> . We assessed this value using a simple static ecological model combined with an economic model using data from Puget Sound’s shellfish harvest and revenue and the relationship between <ns4:italic>C. maenas</ns4:italic> abundance and the consumption rate of shellfish. The model incorporates a range in <ns4:italic>C. maenas</ns4:italic> diet preference, calories consumed per year, and crab densities. <ns4:italic>C. maenas</ns4:italic> is likely to prey on commercially harvested hardshell clams, oysters, and mussels, which would likely reduce additional revenue from processing and distribution, and the number of jobs associated with these fisheries. </ns4:p> <ns4:p> The model results suggest possible revenue losses of these shellfish ranging from $1.03-23.8 million USD year <ns4:sup>-1</ns4:sup> (2.8-64% losses), with additional processing and distribution losses up to $17.6 million USD and 442 job positions each year associated with a range of plausible parameter values. The broad range of values reflects the uncertainty in key factors underlying impacts, factors that are highly variable across invaded regions and so not knowable <ns4:italic>a priori</ns4:italic> . However, future research evaluating species invasions can reduce the uncertainty of impacts by characterizing several key parameters: density of individuals, number of arrivals, predation and competition interactions, and economic impacts. This study therefore provides direction for research to inform more accurate estimates of value-at-risk, and suggests substantial motivation for strong measures to prevent, monitor, and manage the possible invasion of <ns4:italic>C. maenas</ns4:italic> . </ns4:p>
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».