Multiple Models of European Marine Fish Stocks: Regional Winners and Losers in a Future Climate
Notice bibliographique
Résumé
Climate change continues to alter the productivity of commercially and culturally important fisheries with major consequences for food security and coastal economies. We provide the first, multi-model projections of changes in the distribution and productivity of 18 key fish stocks across seven European regional seas spanning the Mediterranean to the Arctic, using 11 state-of-the-art bio-ecological models. Our projections indicate species- and region-specific changes in abundance and distributions of these stocks by the mid- to late 21st century. The varied responses are caused by differences in species' physiology, regional food web dynamics, and physical habitat characteristics. Important drivers include not only warming of Europe's seas (from 1°C to 3°C in RCP 4.5, and 2°C to 4°C in RCP 8.5 by 2100) and changes in primary productivity but also oxygen-limited fish growth, changes in pH, and benthic dissolved organic carbon. Warming and altered levels of secondary production are projected to lead to declines in some stocks (Norwegian and Barents Sea herring) and increases in others (Bay of Biscay anchovy). While some temperate and cold-water stocks are projected to decline markedly in some regions (e.g., North Sea, Western Mediterranean), the immigration of species from the south and/or increase in productivity of warm-water species may offer new opportunities for fisheries. Species-level changes will likely have ecosystem-level consequences that have yet to be fully assessed, and responses in some sub-areas may be more pronounced due to local processes not captured in projections. Projections are consistent despite differences in model structures, and the results of our multi-model analysis align with other modelling exercises while delving into details often overlooked at the species or spatial level. This represents a novel approach to projecting the impacts of climate change on fisheries, which should be considered in future efforts to support climate-ready management strategies for marine fish stocks.
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 | 0,003 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 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 ».