Assessing potential driving factors of the ecosystem service value of mariculture shellfish in China using a structural equation modeling approach
Notice bibliographique
Résumé
China is one of the major mariculture countries for shellfish in the world and provides more than 70% of the total global shellfish production. However, there is limited knowledge of the potential driving factors of the ecosystem service value of mariculture shellfish in China. Understanding what factors and how they drive the ecosystem can provide reference for further improving the ecosystem service value of mariculture shellfish, which is both theoretically and practically important for promoting the development of marine fishery economy in China. In this study, data of six major mariculture shellfish species in nine coastal provinces of China from 2009 to 2020 were analyzed using a structural equation modeling approach to quantify the effects of resource distribution characteristics and market demand on the ecosystem service value of mariculture shellfish in China. The results indicated that both resource distribution characteristics and market demand are important driving factors of the ecosystem service value of mariculture shellfish in China. Specifically, from the perspective of path coefficient, market demand plays a more important role (0.58) than resource distribution characteristics (0.36) in influencing the ecosystem service value of mariculture shellfish in China. Therefore, the research results for shellfish marine culture can be summarized as: (1) to actively respond to changes in shellfish market demand, (2) to enhance development planning for coastal shellfish cultivation area, and (3) to strengthen systematic management of mariculture shellfish resources. Results of this study could provide theoretical support and serve as a basis for promoting sustainable development of shellfish culturing industry and fisheries economy in China.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».