An evidence base of ecosystems services provided by diadromous fish in the European Atlantic Area
Notice bibliographique
Résumé
Historical and existing environmental and human induced pressures have negatively impacted diadromous species, as well as benefits to humans, derived from the ecosystem services these species contribute to. As species move across national boundaries, successful management is rendered a complex process. Future climate change scenarios are likely to change species distributions, further impacting management and the benefits available to people across each species range. To provide an evidence base on the contribution of eleven diadromous fish populations to ecosystem services, and so gains and losses of ecosystem service benefits in the European Atlantic Area, we completed an evidence review of available literature identified within the search strategy. We also gathered expert opinion of diadromous species contributions to ecosystem services for individual catchments across Europe, to gather the full extent of contributions. Evidence was arranged in a matrix, documenting each species ecosystem service contribution to aid communication of results and application to policy and decision makers. The evidence base provided by the literature review identified that each diadromous species contributed to provision of multiple ecosystem services. Volume of evidence available to compile the matrix was far greater for Atlantic salmon Salmo salar and brown trout Salmo trutta. All species had historically contributed to provisioning ecosystem services. However, in recent decades, declines in certain species populations has reduced opportunity for commercial fisheries, leading to contributions to cultural services such as recreational activities and cultural heritage becoming comparatively greater. Evidence of contribution to regulating ecosystem services is growing in recent years, especially transfer of nutrients from marine to freshwater environments. Inclusion of local expert knowledge enabled verification of evidence from literature, in addition to identification of important contributions of lesser studied species, to culturally important commercial fisheries and cultural heritage in European regions. Collecting expert knowledge also aided communication of ecosystem service approaches.
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 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,013 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 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 ».