Climate change alters social‐ecological trade‐offs in achieving ocean futures' targets
Notice bibliographique
Résumé
The effects of climate change on marine ecosystems are causing cascading impacts on livelihood, food security, and culture through fisheries. Such impacts interact and exacerbate the effects of overfishing on marine social-ecological systems, complicating the rebuilding of ecosystems to achieve desirable and sustainable ocean futures. Developing effective pathways for ecosystem rebuilding requires consideration of the co-benefits and trade-offs between ecological and social dimensions and between fishing sectors. However, the effects of intensifying climate change on such co-benefits or trade-offs are yet to be well understood, particularly in regions where ecosystem rebuilding is urgently needed. We applied a numerical optimization routine to define the scope for improvement toward the Pareto-frontier for ecological robustness and economic benefits of the northern South China Sea (NSCS) and the East China Sea (ECS) ecosystems. These two ecosystems were used to represent over-exploited low- and mid-latitude systems, respectively, and the optimization aimed to improve their status through fisheries management. We find that the ECS ecosystem has the possibility of increasing the economic benefits generated by the fisheries it supports under climate change by 2050 while increasing the uncertainty of achieving biodiversity objectives. Nevertheless, climate change is projected to reduce the scope to restore ecosystem structures and the potential economic benefits in the NSCS ecosystem. This study highlights the contrasting impacts of climate change on the co-benefits/trade-offs in ecosystem rebuilding and the benefits obtainable by different fishing sectors even in neighboring ecosystems. We conclude that consideration at the nexus of climate-biodiversity-fisheries is a key to developing effective ecosystem rebuilding plan.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».