MétaCan
Menu
Retour à la cohorte
Enregistrement W4404764913 · doi:10.5194/gmd-17-8421-2024

BOATSv2: new ecological and economic features improve simulations of high seas catch and effort

2024· article· en· W4404764913 sur OpenAlexafffund
Jérôme Guiet, Daniele Bianchi, Kim Scherrer, Ryan Heneghan, Eric D. Galbraith

Notice bibliographique

RevueGeoscientific model development · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensMcGill University
Organismes subventionnairesCanada Research ChairsNorges ForskningsrådSan Diego Supercomputer CenterNational Aeronautics and Space AdministrationNational Science Foundation
Mots-clésEnvironmental scienceEcologyComputer scienceBiology

Résumé

récupéré en direct d'OpenAlex

Abstract. Climate change and industrial fishing are having profound effects on marine ecosystems. Numerical models of fish communities and their interaction with fishing can help assess the biogeochemical and socioeconomic dynamics of this coupled human–natural system and how it is changing. However, existing 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 fishery 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 fishery management. Features added to BOATS here for the first time include (1) a separation of pelagic and demersal fish communities to provide an expanded representation of ecological diversity and (2) spatial variation of 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 (66 commonly adopted coastal ocean ecoregions). Following a multi-step parameter selection procedure, the updated BOATSv2 model shows comparable performance to the original model in coastal ecosystems, accurately simulating catch, biomass, and fishing effort, and markedly improves the representation of fisheries in the high seas, correcting for excessive high seas and deep-sea catches in the previous version. Improvements mainly stem from separating pelagic and demersal energy pathways, complemented by spatially variable catchability of pelagic fish and depth- and distance-dependent fishing costs. 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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,726
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,238
Écart entre enseignants0,224 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeoscientific model developmentMême sujetMarine and fisheries researchTravaux en français237 207