Applying essential ecosystem service variables to analyse thirty years of wild salmon provisioning trends in Canada
Notice bibliographique
Résumé
Wild salmon commercial fisheries in British Columbia (BC), Canada, have seen decreasing return and catch numbers across multiple salmon populations. Successful management of this ecosystem service (ES) has been elusive, but there is recognition that a wider social-ecological perspective is needed to support recovery. While ES monitoring is essential for evidence-based management, the social-ecological dimensions of ES pose challenges to monitoring: (i) ES-relevant data are siloed and disjointed, and (ii) ES assessments rarely consider the full range of social, economic, and ecological variables shaping ES dynamics. The essential ecosystem service variables (EESV) framework is intended to tackle these challenges but has not been fully implemented in any study to date. We use the EESV framework to analyze 27 years of monitoring data from diverse sources to assess change in the ES provided by wild Pacific salmon fisheries in the first multi-species analysis conducted at the provincial scale of BC. We develop and test a causal model incorporating five essential variables—salmon abundance, fishing effort, salmon catch, landed value and market demand—and seven drivers, including sea surface temperature, hatchery releases, and fishing licenses. Our results show that rising sea surface temperatures negatively impact salmon returns, while population enhancement through hatcheries has mixed effects, with some species benefiting and others declining. We also evaluate the government’s license retirement program, finding limited success in reducing fishing effort and improving the industry’s financial viability. Our Bayesian modeling approach explicitly quantifies uncertainty, revealing that ecological predictions have greater uncertainty than social or economic trends, suggesting that additional unaccounted for mechanisms influence ES supply. We were unable to include any measure of relational value, emphasizing the need to collect and incorporate cultural and relational data into ES monitoring. Overall, our findings underscore the role of market forces in maintaining salmon ES value despite ecological unpredictability and declining catch. By demonstrating how essential variables can be used to integrate diverse data into a unified causal representation, this study advances standardized ES monitoring. This work advances the EESV framework by linking social and ecological data and it offers insight into how to monitor ES in other systems facing similar challenges.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».