Supporting marine spatial planning with an ecosystem model of Algoa Bay, South Africa
Notice bibliographique
Résumé
The Ecopath with Ecosim (EwE) modelling framework was used to develop a model of Algoa Bay and test the ecosystem impacts of the implementation of the Addo Elephant National Park Marine Protected Area (MPA). The Ecopath model included 37 functional groups ranging from phytoplankton to top predators and was fitted to 12 and 14 time-series of biomass and landings, respectively, from 2010 to 2019 (calibration period), using Ecosim. Two scenarios representing different degrees of fisheries closures in the MPA were explored through a 30% and a 100% reduction in fishing effort. Temporal simulations were run until 2059. The fitting procedure identified the best-fit model as the one including the effects of fishing, the six most-sensitive predator–prey interactions, and environmental forcing (primary production anomaly on small phytoplankton). Overall, the predicted biomass and catch time-series reasonably reproduced the observed time-series for 2010–2019, with the biomass of sardine Sardinops sagax, round herring Etrumeus whiteheadi, and African penguins Spheniscus demersus showing the best fits to data. Both MPA scenarios resulted in higher total biomass compared with the baseline by the end of the simulation and decreased catches due to less fishing effort. The most profound biomass increases under the MPA scenarios were observed in apex and pelagic elasmobranchs, yellowtail Seriola lalandi and African penguins. Future research is needed to improve the more-uncertain model parameters and include other key sectors in Algoa Bay, such as shipping. However, this model provides a good foundation for future work including the application of spatially explicit modelling of the bay using Ecospace.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 tête enseignante, 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 ».