Comment on gmd-2024-26
Notice bibliographique
Résumé
Abstract. Climate change and industrial fishing have profound effects on marine ecosystems. Numerical models that capture key features of fish biomass dynamics and its interaction with fishing can help assess the biogeochemical and socio-economic consequences of these impacts. However, these models have significant biases and do not include many processes known to be relevant. Here we describe an updated version of the BiOeconomic mArine Trophic Size-spectrum (BOATS) model for global fish and fisheries studies. The model incorporates new ecological and economic features designed to ameliorate prior biases. Recent improvements include reduction of fish growth rates in iron-limited high-nutrient low-chlorophyll regions, and the ability to simulate fisheries management. Novel features described here include a separation of pelagic and demersal fish communities to provide an expanded representation of ecological diversity, and spatially variable fishing costs and catchability for more realistic fishing effort dynamics. We also introduce a new set of observational diagnostics designed to evaluate the model beyond the boundary of large marine ecosystems. Following a multi-step parameter selection, the updated BOATSv2 model shows comparable performance to the original model in coastal ecosystems, accurately simulating catch, biomass and fishing effort. The revised model provides a markedly improved representation of fisheries in the High Seas, largely correcting the biases of the original version, including excessive high-sea catches and too rapid deepening of fishing effort over time. The updated model code is available for simulating both historical and future scenarios.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,032 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,097 | 0,088 |
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 ».