Skip to main content

Evaluating the sensitivity of a trophic mass-balance model (Ecopath) to imprecise data inputs

Buy Article:

$50.00 plus tax (Refund Policy)

Abstract:

Ecopath with Ecosim has become the most widely adopted modelling framework to facilitate a more holistic, ecosystem-based approach to fisheries management. I evaluated the sensitivity of Ecopath predictions to uncertainty in input data and determined the extent to which they were improved via the mass-balance constraint. I used nine published Ecopath models as operational models, added error to input variables, and then determined how well Ecopath could uncover the true model structure. I focused on Ecopath's ability to precisely estimate biomass and ecotrophic efficiency (the proportion of a group's total mortality explicitly represented in the model by predation and fishing). Ecopath error predictions were approximately as precise as the input variables, except in cases of tightly linked cycles of food web connections when errors become greatly amplified. The process of model balancing had little effect on the magnitude of prediction errors. Moreover, accurate information about the source of imprecise data had little impact on prediction precision. Ecopath predictions were most sensitive to biomass and production rate input data and only occasionally sensitive to consumption rate and feeding habits data. Taken together, these results suggest that the precision of Ecopath-derived estimates of biomass and ecotrophic efficiency is generally comparable with the precision of the input data.

Le logiciel Ecopath avec Ecosim est devenu le cadre de modélisation le plus largement utilisé pour obtenir une approche plus holistique et basée sur l'écosystème dans la gestion des pêches. La présente étude évalue la sensibilité des prédictions d'Ecopath à une incertitude dans les données d'entrée et détermine dans quelle mesure ces prédictions sont améliorées par l'utilisation de la contrainte de bilan de masse. Neuf modèles Ecopath de la littérature servent de modèles opérationnels pour évaluer comment Ecopath peut découvrir la structure véritable du modèle lorsque des erreurs sont introduites dans les données d'entrée. L'emphase est placée sur la capacité d'Ecopath d'estimer avec précision la biomasse et l'efficacité écotrophique (la proportion de la mortalité totale d'un groupe représentée explicitement dans le modèle par la prédation et la pêche). L'erreur dans les prédictions d'Ecopath est à peu près du même ordre que celle des variables d'entrée, excepté dans les cas où les connections du réseau alimentaire sont très serrées; les erreurs sont alors fortement amplifiées. Le processus d'équilibrage des modèles a peu d'effet sur l'importance des erreurs de prédiction. De plus, des renseignements précis sur l'origine des données imprécises ont peu d'impact sur l'exactitude des prédictions. Les prédictions d'Ecopath sont très sensibles aux données d'entrée de biomasse et de production et seulement occasionnellement sensibles aux données de taux de consommation et d'habitudes alimentaires. Dans leur ensemble, ces résultats indiquent que la précision des estimations de biomasse et d'efficacité écotrophique obtenues par Ecopath est en général comparable à la précision des données d'entrée.[Traduit par la Rédaction]

Document Type: Research Article

Publication date: 2007-04-01

More about this publication?
  • Published continuously since 1901 (under various titles), this monthly journal is the primary publishing vehicle for the multidisciplinary field of aquatic sciences. It publishes perspectives (syntheses, critiques, and re-evaluations), discussions (comments and replies), articles, and rapid communications, relating to current research on cells, organisms, populations, ecosystems, or processes that affect aquatic systems. The journal seeks to amplify, modify, question, or redirect accumulated knowledge in the field of fisheries and aquatic science. Occasional supplements are dedicated to single topics or to proceedings of international symposia.
  • Information for Authors
  • Submit a Paper
  • Subscribe to this Title
  • Terms & Conditions
  • Sample Issue
  • Reprints & Permissions
  • Ingenta Connect is not responsible for the content or availability of external websites
  • Access Key
  • Free ContentFree content
  • Partial Free ContentPartial Free content
  • New ContentNew content
  • Open Access ContentOpen access content
  • Partial Open Access ContentPartial Open access content
  • Subscribed ContentSubscribed content
  • Partial Subscribed ContentPartial Subscribed content
  • Free Trial ContentFree trial content
Cookie Policy
X
Cookie Policy
Ingenta Connect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more