Exploring multiple stressor effects with Ecopath, Ecosim, and Ecospace: Research designs, modeling techniques, and future directions
Notice bibliographique
Résumé
Understanding the cumulative effects of multiple stressors is a research priority in environmental science. Ecological models are a key component of tackling this challenge because they can simulate interactions between the components of an ecosystem. Here, we ask, how has the popular modeling platform Ecopath with Ecosim (EwE) been used to model human impacts related to climate change, land and sea use, pollution, and invasive species? We conducted a literature review encompassing 166 studies covering stressors other than fishing mostly in aquatic ecosystems. The most modeled stressors were physical climate change (60 studies), species introductions (22), habitat loss (21), and eutrophication (20), using a range of modeling techniques. Despite this comprehensive coverage, we identified four gaps that must be filled to harness the potential of EwE for studying multiple stressor effects. First, only 12% of studies investigated three or more stressors, with most studies focusing on single stressors. Furthermore, many studies modeled only one of many pathways through which each stressor is known to affect ecosystems. Second, various methods have been applied to define environmental response functions representing the effects of single stressors on species groups. These functions can have a large effect on the simulated ecological changes, but best practices for deriving them are yet to emerge. Third, human dimensions of environmental change - except for fisheries - were rarely considered. Fourth, only 3% of studies used statistical research designs that allow attribution of simulated ecosystem changes to stressors' direct effects and interactions, such as factorial (computational) experiments. None made full use of the statistical possibilities that arise when simulations can be repeated many times with controlled changes to the inputs. We argue that all four gaps are feasibly filled by integrating ecological modeling with advances in other subfields of environmental science and in computational statistics.
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 | 0,084 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,005 | 0,014 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».