Ecological and Economic Impacts of Ocean Deoxygenation on Pacific Halibut Fisheries: A Multidisciplinary Assessment of Projected Losses
Notice bibliographique
Résumé
The ocean has been losing oxygen content since at least the last century, and the rate of decline is accelerated by climate-induced changes like ocean warming, acidification, and anthropogenic driven nutrient load. Oxygen loss alters marine ecosystems and life, and consequently, human-wellbeing based on fisheries. Since marine fishes are known to be the most sensitive to deoxygenation, their mortality, growth, and abundance are affected by dissolved oxygen levels. Hence, fisheries relying on fish stocks are also impacted, with significant economic repercussions for society. The ability to estimate the economic impacts of deoxygenation on fisheries is hampered by the uncertain link between biogeochemical pathways and socio-economic impacts. Thus, we conducted a multidisciplinary modeling approach integrating ecological (metabolic rate index), biological (stock biomass dynamics), and economic (economic rent based on MSY) components to assess the economic ramifications of ocean deoxygenation (2020-2100) on the British Columbia Pacific halibut fishery.We find that under conditions of up to 40% reduction in dissolved oxygen and a 30% increase in temperature by 2100, Pacific halibut biomass could decrease by 66% ~ 89%. This significant decrease in catch could lead to an estimated cumulative economic loss of around $100 million by 2100. Ripple effects throughout the supply chain, including secondary (processing) and tertiary industries (distribution, marketing), could cause an additional economic impact loss of up to $197 million by 2100. Therefore, our study suggests it is crucial for the Pacific Halibut Commission and fisheries to incorporate adaptation and mitigation strategies to counteract ongoing deoxygenation and warming.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».