Water quality–fisheries tradeoffs in a changing climate underscore the need for adaptive ecosystem–based management
Notice bibliographique
Résumé
Changes driven by both unanticipated human activities and management actions are creating wicked management landscapes in freshwater and marine ecosystems that require new approaches to support decision-making. By linking a predictive model of nutrient- and temperature-driven bottom hypoxia with observed commercial fishery harvest data from Lake Erie (United States-Canada) over the past century (1928-2022) and climate projections (2030-2099), we show how simple, yet robust models and routine monitoring data can be used to identify tradeoffs associated with nutrient management and guide decision-making in even the largest of aquatic ecosystems now and in the future. Our approach enabled us to assess planned nutrient load reduction targets designed to mitigate nutrient-driven hypoxia and show why they appear overly restrictive based on current fishery needs, indicating tradeoffs between water quality and fisheries management goals. At the same time, our temperature results show that projected climate change impacts on hypoxic extent will require more stringent nutrient regulations in the future. Beyond providing a rare example of bottom hypoxia driving changes in fishery harvests at an ecosystem scale, our study illustrates the need for adaptive ecosystem-based management, which can be informed by simple predictive models that can be readily applied over long time periods, account for tradeoffs across multiple management sectors (e.g., water quality, fisheries), and address ecosystem nonstationarity (e.g., climate change impacts on management targets). Such approaches will be critical for maintaining valued ecosystem services in the many aquatic systems worldwide that are vulnerable to multiple drivers of environmental change.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| 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 ».