Assessing and implementing the concept of Blue Economy in Laurentian Great Lakes fisheries: Lessons from coupled human and natural systems
Notice bibliographique
Résumé
Abstract Inland fisheries often receive little to no attention in global discussions about sustainable development. The consequences of overlooking inland fisheries in sustainability dialogues are increasingly problematic as fisheries stressors (e.g. overharvest, species invasion, climate change, habitat modification) intensify. Elevating the global profile of inland fisheries requires an approach for quantifying and clearly conveying the ecological, economic, and societal values of these systems. One such approach involves the Blue Economy, a multifaceted concept initially used to describe the intersection of marine conservation and sustainable use of marine resources for economic growth. Although conceptually powerful, the Blue Economy has rarely been applied to inland waters and fisheries. To address this knowledge gap, we conceptualized Laurentian Great Lakes fisheries from a Blue Economy perspective. In particular, we evaluated the utility of the coupled human and natural systems framework for characterizing the ecological, economic, and societal values of Laurentian Great Lakes fisheries and associated contributions to the Blue Economy (e.g. human livelihoods, food security, recreation, conservation, economic prosperity). There are numerous opportunities to leverage Coupled Human and Natural Systems methods (e.g. metacoupling, telecoupling) and associated mathematical models to advance fisheries science, inform fisheries management, and ultimately move toward a Blue Economy in the Laurentian Great Lakes. To that end, we demonstrated applications of these methods, discussed strategies for communicating with stakeholders, and provided insights for navigating challenges to developing a Blue Economy in the Laurentian Great Lakes—a model that could be used in the African Great Lakes and other large ecosystems in the world.
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 | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,005 |
| 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 ».