Субекти

Резюме

Опции за достъп

Абонирайте се за Journal

използване

Получете пълен достъп до дневник за 1 година

само 3,58 € на брой

Всички цени са нетни цени.
ДДС ще бъде добавен по-късно при плащане.

Наем или покупка на статия

Получете ограничен или пълен достъп до статии в ReadCube.

Всички цени са нетни цени.

Наличност на данни

Данните, използвани за производството на нашите хранителни модели и прогнозния глобален улов, могат да бъдат намерени на https://github.com/mamacneil/GlobalFishNutrients.

Наличност на код

Код за байесов йерархичен модел, използван за прогнозиране на хранителните концентрации от стандартизирани ковариати, и код, използван за получаване на прогнозния ни глобален улов, може да бъде намерен на https://github.com/mamacneil/GlobalFishNutrients.

Препратки

Глобален доклад за храненето. Глобален доклад за храненето 2017: Подхранване на ЦУР (Инициативи за развитие, 2017).

Horton, S. & Steckel, R. H. in Колко глобални проблеми струват на света? (изд. Lomborg, B.) 247–272 (Cambridge Univ. Press, 2013).

Haddad, L. et al. Нова глобална програма за изследване на храните. Природата 540, 30–32 (2016).

Kawarazuka, N. & Béné, C. Потенциалната роля на дребните рибни видове за подобряване на дефицита на микроелементи в развиващите се страни: изграждане на доказателства. Обществено здраве Nutr. 14., 1927–1938 (2011).

Vaitla, B. et al. Прогнозиране на съдържанието на хранителни вещества в рибите с перки с помощта на филогенетична информация. Нат. Общ. 9, 3742 (2018).

Thilsted, S. H. et al. Поддържане на здравословни диети: ролята на улов на риболов и аквакултури за подобряване на храненето в ерата след 2015 г. Хранителна политика 61, 126–131 (2016).

Hotz, C. & Gibson, R. S. Традиционни практики за преработка и приготвяне на храни за подобряване на бионаличността на микроелементи в диети на растителна основа. J. Nutr. 137, 1097–1100 (2007).

Hixson, S. M., Sharma, B., Kainz, M. J., Wacker, A. & Arts, M. T. Производство, разпространение и изобилие от дълговерижни омега-3 полиненаситени мастни киселини: основна дихотомия между сладководните и сухоземните екосистеми. Околна среда. Преп. 23., 414–424 (2015).

McGill, B. J., Enquist, B. J., Weiher, E. & Westoby, M. Възстановяване на екологията на общността от функционални черти. Тенденции Ecol. Evol. 21., 178–185 (2006).

Gelman, A., Meng, X.-L. & Stern, H. Задна прогнозна оценка на годността на модела чрез реализирани несъответствия. Статистика. Грях. 6, 733–760 (1996).

Блек, Р.Е. и др. Недохранване и наднормено тегло на майките и децата в страните с ниски и средни доходи. The Lancet 382, 427–451 (2013).

Beal, T., Massiot, E., Arsenault, J. E., Smith, M. R. & Hijmans, R. J. Глобални тенденции в хранителните доставки на микроелементи и изчислено разпространение на неадекватни приема. PLOS ONE 12, e0175554 (2017).

Lal, R. Управление на почвите за затопляне на земята в несигурен от храна и енергично гладен свят. J. Plant Nutr. Почва Sci. 173, 4–15 (2010).

Marinda, P. A., Genschick, S., Khayeka-Wandabwa, C., Kiwanuka-Lubinda, R. & Thilsted, S. H. Детерминанти на диетичното разнообразие и принос на рибите за хранителния статус на майките и на възраст под 5 години в Замбия. PLOS ONE 13, e0204009 (2018).

Thilsted, S. H., Roos, N. & Hassan, N. Ролята на дребните местни видове риби в продоволствената и хранителната сигурност в Бангладеш. Нага 20., 82–84 (1997).

Calder, P. C. Морски омега-3 мастни киселини и възпалителни процеси: ефекти, механизми и клинично значение. Biochim. Biophys. Acta 1851, 469–484 (2015).

Parrish, C. C. Липиди в морските екосистеми. ISRN Океаногр. 2013, 604045 (2013).

Arts, M. T., Brett, M. T. & Kainz, M. J. Липиди във водните екосистеми (Springer, 2009).

Pauly, D. & Zeller, D. Реконструкциите на улова разкриват, че уловът в световния морски риболов е по-висок от отчетения и намалява. Нат. Общ. 7, 10244 (2016).

Willett, W. et al. Храната в антропоцена: EAT-Lancet комисия за здравословни диети от устойчиви хранителни системи. Лансет 393, 447–492 (2019).

Achouba, A., Dumas, P., Ouellet, N., Lemire, M. & Ayotte, P. Плазмени нива на селенсъдържащи протеини при възрастни инуити от Нунавик. Околна среда. Международна. 96, 8–15 (2016).

Vedtofte, M. S., Jakobsen, M. U., Lauritzen, L. & Heitmann, B. L. Диетична α-линоленова киселина, линолова киселина и n-3 PUFA с дълги вериги и риск от исхемична болест на сърцето. Am. J. Clin. Nutr. 94, 1097–1103 (2011).

Golden, C. D. et al. Хранене: спадът на улова на риба заплашва човешкото здраве. Природата 534, 317–320 (2016).

Kummu, М. и сътр. Над хълмовете и по-далеч от брега: глобални геопространствени модели на човека и околната среда през 20-21 век. Околна среда. Рез. Lett. 11., 034010 (2016).

Micha, R. et al. Глобално, регионално и национално потребление на основните групи храни през 1990 и 2010 г .: систематичен анализ, включващ 266 проучвания за специфичното хранене в отделни държави в световен мащаб. BMJ Open 5, e008705 (2015).

Национални академии на науките, инженерството и медицината. Диетични справочни таблици за прием и приложение http://nationalacademies.org/hmd/Activities/Nutrition/SummaryDRIs/DRI-Tables.aspx (2017).

Allen, L., de Benoist, B., Dary, O. & Hurrell, R. Насоки за обогатяване на храните с микроелементи (СЗО, 2006)

Sen, A. Бедността и гладът: Есе за правото и лишаването (Oxford Univ. Press, 1982).

Fréon, P., Avadí, A., Vinatea Chavez, R. A. & Iriarte Ahón, F. Оценка на жизнения цикъл на перуанския флот от аншовета: определяне на граници в анализите на инвентара на жизнения цикъл на сложни и множествени средства за производство. Международна J. Оценка на жизнения цикъл. 19., 1068–1086 (2014).

Smith, M. R., Micha, R., Golden, C. D., Mozaffarian, D. & Myers, S. S. Модел на глобално разширено снабдяване с хранителни вещества (GENuS): нов метод за оценка на глобалното диетично снабдяване с хранителни вещества. PLOS ONE 11., e0146976 (2016).

Хънтър, J. D. Matplotlib: 2D графична среда. Изчисляване. Sci. Инж. 9, 90–95 (2007).

Rittenschober, D., Stadlmayr, B., Nowak, V., Du, J. & Charrondiere, U. R. Доклад за развитието на базата данни на FAO/INFOODS за риби и черупчести (uFiSh) - предизвикателства и възможни решения. Храна Chem. 193, 112–120 (2016).

Rittenschober, D., Nowak, V. & Charrondiere, U. R. Преглед на наличността на данните за състава на храните за риби и черупчести. Храна Chem. 141, 4303–4310 (2013).

Bogard, J. R. et al. Хранителен състав на важни рибни видове в Бангладеш и потенциален принос към препоръчителния прием на хранителни вещества. J. Food Compos. Анален. 42, 120–133 (2015).

Charrondiere, U. R. et al. Подобряване на качеството на данните за състава на храните: три нови насоки на FAO/INFOODS за преобразуване, оценка на данните и съвпадение на храните. Храна Chem. 193, 75–81 (2016).

Sidhu, K. S. Ползи за здравето и потенциални рискове, свързани с консумацията на риба или рибено масло. Регул. Токсикол. Pharmacol. 38, 336–344 (2003).

Budge, S. M., Iverson, S. J., Bowen, W. D. & Ackman, R. G. Сред и в рамките на видовете вариабилност в подписите на мастните киселини на морските риби и безгръбначни на шотландския шелф, банката Georges и южния залив Сейнт Лорънс. Мога. J. Fish. Акват. Sci. 59, 886–898 (2002).

Балтер, М. Какво направи хората модерни? Наука 295, 1219–1225 (2002).

Mouillot, D., Graham, N. A. J., Villéger, S., Mason, N. W. H. & Bellwood, D. R. Функционален подход разкрива реакциите на общността на смущения. Тенденции Ecol. Evol. 28, 167–177 (2013).

Froese, R. & Pauly, D. (eds). FishBase https://www.fishbase.org, версия август 2016 г.

Willis, J. N. & Sunda, W. G. Относителен принос на храната и водата в натрупването на цинк от два вида морски риби. Март Biol. 80, 273–279 (1984).

Christensen, V. & Pauly, D. ECOPATH II - софтуер за балансиране на устойчиви модели на екосистеми и изчисляване на мрежовите характеристики. Екол. Модел. 61, 169–185 (1992).

van der Oost, R., Beyer, J. & Vermeulen, N. P. Биоакумулация на риби и биомаркери при оценка на риска за околната среда: преглед. Околна среда. Токсикол. Pharmacol. 13, 57–149 (2003).

Brown, J. H., Gillooly, J. F., Allen, A. P., Savage, V. M. & West, G. B. Към метаболитна теория на екологията. Екология 85, 1771–1789 (2004).

Barlow, J. et al. Бъдещето на хиперразнообразните тропически екосистеми. Природата 559, 517–526 (2018).

Dee, L. E. et al. Функционалното разнообразие на улова смекчава негативните ефекти от температурната променливост върху риболовните добиви. Proc. R. Soc. Лонд. Б. 283, 20161435 (2016).

Willmer, P., Stone, G. & Johnston, I. Физиология на околната среда на животните (John Wiley & Sons, 2009).

Salvatier, J., Wiecki, T. V. & Fonnesbeck, C. Вероятностно програмиране в Python с помощта на PyMC3. PeerJ Comput. Sci. 2, e55 (2016).

Gelman, A. et al. Байесов анализ на данните, об. 2 (CRC, Boca Raton 2014).

Nash, K. L., Watson, R. A., Halpern, B. S., Fulton, E. A. & Blanchard, J. L. Подобряване на разбирането за функционалното разнообразие на риболова чрез изследване на влиянието на глобалното възстановяване на улова. Sci. Представител. 7, 10746 (2017).

Отдел за населението на Обединените нации DESA. Световни перспективи за населението https://population.un.org/wpp/Download/Standard/Population/ (2017).

Кънингам, С. ин Международни отношения и общата политика в областта на рибарството: Proc. Четвърти съгласуван семинар за действие по икономика и общата политика в областта на рибарството (изд. Хачър, А. и Тингли, Д.) 255–272 (Център за икономика и управление на водните ресурси, 2000).

Alder, J. & Sumaila, U. R. Западна Африка: рибна кошница на Европа от миналото и настоящето. J. Environment. Dev. 13, 156–178 (2004).

Ръдъл, К. Риболов за глобално благосъстояние и околна среда. В Proc. 5-ти Световен конгрес по рибарство (изд. Цукамото, К. и др.) 399–411 (2008).

Asche, F., Bellemare, M. F., Roheim, C., Smith, M. D. & Tveteras, S. Достатъчно справедливо ли е? Продоволствена сигурност и международната търговия с морски дарове. World Dev. 67, 151–160 (2015).

ФАО. Статистически колекции за риболова: Рибни стоки и търговия http://www.fao.org/fishery/statistics/global-commodities-production/en (2019).

Благодарности

Това изследване беше подкрепено от Европейски съвет за изследователски старт, предоставен на C.C.H. (ERC номер на гранта: 759457), Университет Ланкастър, Център за върхови постижения на ARC за изследвания на коралови рифове, Изследователска стипендия на Университета на Кралското общество към N.A.J.G. (UF140691), канадски изследователски стол на NSERC Tier II, присъден на MAM, Австралийския център за международни земеделски изследвания чрез проекти FIS/2017/003 и FIS/2015/031 и USAID Feed the Future Innovation Lab for Nutrition - Asia (награда номер AIDOAA-1-10-00005) до ALT-L. Тази работа беше предприета като част от изследователската програма на CGIAR (CPR) за рибно-хранителни системи (FISH), водена от WorldFish, подкрепена от участници в доверителния фонд на CGIAR. Благодарни сме за подкрепата, предоставена от екипите на базата данни FishBase и FAO/INFOODS, J. Robinson за помощ във Фиг. 3 и N. Swan, J. Silveira и E. Maire за помощ при извличането на данни.

Информация за автора

Принадлежности

Център за околна среда в Ланкастър, Университет в Ланкастър, Ланкастър, Великобритания

Кристина К. Хикс и Никълъс А. Дж. Греъм

Австралийски изследователски съвет, Център за върхови постижения за изследвания на коралови рифове, Университет Джеймс Кук, Таунсвил, Куинсланд, Австралия

Кристина К. Хикс, Филипа Дж. Коен, Никълъс А. Дж. Греъм и Дейвид Дж. Милс

WorldFish, Bayan Lepas, Малайзия

Philippa J. Cohen, Edward H. Allison, Coralie D’Lima, David J. Mills, Matthew Roscher & Shakuntala H. Thilsted

Институт за морски и антарктически изследвания, Университет на Тасмания, Хобарт, Тасмания, Австралия

Център за морска социо-екология, Университет на Тасмания, Хобарт, Тасмания, Австралия

Училище по морски и екологични въпроси, Университет във Вашингтон, Сиатъл, Вашингтон, САЩ

Едуард Х. Алисън

Център за човешко хранене, Департамент по международно здраве, Джон Хопкинс Блумбърг училище за обществено здраве, Балтимор, MD, САЩ

Андрю Л. Торн-Лайман

Ocean Frontier Institute, Департамент по биология, Университет Далхоузи, Халифакс, Нова Скотия, Канада

М. Арън Макнийл

Можете също да търсите този автор в PubMed Google Scholar

Можете също да търсите този автор в PubMed Google Scholar

Можете също да търсите този автор в PubMed Google Scholar

Можете също да търсите този автор в PubMed Google Scholar

Можете също да търсите този автор в PubMed Google Scholar

Можете също да търсите този автор в PubMed Google Scholar

Можете също да търсите този автор в PubMed Google Scholar

Можете също да търсите този автор в PubMed Google Scholar

Можете също да търсите този автор в PubMed Google Scholar

Можете също да търсите този автор в PubMed Google Scholar

Можете също да търсите този автор в PubMed Google Scholar

Вноски

C.C.H. замислил проучването с P.J.C., N.A.J.G., K.L.N., A.L.T.-L., C.D’L., E.H.A., S.H.T. и D.J.M .; C.C.H., P.J.C., N.A.J.G., K.L.N., C.D’L. и М.Р. събраха данните; C.C.H., M.A.M. и К.Л.Н. разработи и внедри анализите; C.C.H. ръководи ръкописа с принос от всички автори.

Автора за кореспонденция

Етични декларации

Конкуриращи се интереси

Авторите не декларират конкуриращи се интереси.

Допълнителна информация

Бележка на издателя Springer Nature остава неутрален по отношение на юрисдикционните претенции в публикувани карти и институционални принадлежности.

Информация за партньорска проверка Природата благодари на Рей Хилборн, Едоардо Масет, Даниел Паули и другите, анонимни, рецензенти за техния принос в партньорската проверка на тази работа.

Фигури и таблици с разширени данни

Разширени данни Фиг. 1 Байесови диагностични парцели I.

Горски парцели за всяко хранително вещество, като се има предвид съответния им модел, включително най-високите задни плътности (пълни цикли), 50% (дебела линия) и 95% (тънка линия) интервали на несигурност за всеки параметър (вляво). Включени са и статистически данни за R-hat (Gelman – Rubin) (вдясно), показващи доказателства за сближаване на моделите от четири независими модели (вериги). Стойностите на R-hat, близки до една, показват постоянна, стабилна връзка между дисперсиите в рамките на веригата и между веригите, което предполага, че няма доказателства за неконвергенция.

Разширени данни Фиг. 2 Байесови диагностични парцели II.

25-те произволно избрани задни прогнозни разпределения (малки сини хистограми; вляво) за наблюдавани стойности (червени вертикални линии) на отделни хранителни вещества под всеки модел, специфичен за хранителните вещества. Червените линии в горната част на синьото разпределение показват доказателства за пригодност на модела; като има предвид, че червените линии отзад отзад предполагат наблюдения, които не са в съответствие с основния модел. Задни прогнозни разпределения (големи сини хистограми; вдясно) за наблюдаваната обща средна стойност (сини вертикални линии) под всеки специфичен за хранителните вещества модел. Сините линии в горната част на хистограмата показват доказателства за пригодност на модела, със задна прогнозна средна стойност, съответстваща на наблюдаваните данни.

Разширени данни Фиг. 3 Отчетен добив на хранителни вещества от риболов и общ риболовен добив от ИИЗ.

Данни, базирани на средния състав на таксоните на годишния докладван улов 19 от 2010 до 2014 г., показват изчислените добиви на калций, желязо, селен, цинк, витамин А, омега-3 мастни киселини и протеини и общия улов. Данните се нанасят в мащаба на ИИЗ зоните, както е дефинирано по-рано 19. Основните карти са генерирани с помощта на библиотеката matplotlib 31 (https://matplotlib.org) в Python.

Разширени данни Фиг. 4 Връзки между добива на хранителни вещества, концентрацията на хранителни вещества и общия улов.

Показани са връзки за калций, желязо, селиниум, цинк, витамин А, омега-3 мастни киселини и протеини, показващи коефициентите на корелация на продукта и момента на Пиърсън, изчислени с помощта на функцията на corrcoef в „numpy“ библиотеката на Python (н = 280 ИИЗ зони, както е дефинирано по-рано 19).

Разширени данни Фиг. 5 Параметри за неприятности за байесов йерархичен предсказващ модел на хранителни концентрации.

Показани са стандартизирани размери на ефекта за известни фактори, които могат да повлияят на резултатите, но които не представляват интерес за изследването (неприятни параметри). Тези фактори бяха включени в общия модел, което означава, че тяхното влияние беше отчетено в прогнозите. Оценките на параметрите са байесови задни средни стойности, 95% най-високи интервали на неопределеност на задната плътност (тънки линии) и 50% интервали на несигурност (дебели линии). Черните точки показват, че 50% интервалите на несигурност не се припокриват с нула, което показва, че повече от 75% от задната плътност е било положително или отрицателно; и отворените квадрати показват основната категория в статистическия модел. Основните размери на пробата са както следва: калций, н = 170 биологично независими проби; желязо, н = 173; селен, н = 134; цинк, н = 196; витамин А, н = 69; омега-3 мастни киселини, н = 176; и протеин, н = 627.

Разширени данни Фиг. 6 Докладвани и неотчетени хранителни добиви от риболов и общ риболовен добив от ИИЗ.

Данни, базирани на средния състав на таксоните на годишния отчетен и неотчетен улов 19 от 2010 до 2014 г., показват изчислените добиви на калций, желязо, селен, цинк, витамин А, омега-3 мастни киселини и протеини и общия улов. Данните се нанасят в мащаба на ИИЗ зоните, както е дефинирано по-рано 19. Основните карти са генерирани с помощта на библиотеката matplotlib 31 (https://matplotlib.org) в Python.

Разширени данни Фиг. 7 Връзки между докладваните и отчетените и неотчетените добиви на хранителни вещества за улова на ИИЗ.

Коефициентите на корелация на продукт-момент на Пиърсън са изчислени с помощта на функцията corrcoef в numpy библиотеката на Python (н = 280 ИИЗ зони, както е дефинирано по-рано 19).

Разширени данни Фиг. 8 Връзки между само докладваната и отчетената и неотчетената концентрация на хранителни вещества за улова за ИИЗ.

Коефициентите на корелация на продукт-момент на Пиърсън са изчислени с помощта на функцията corrcoef в numpy библиотеката на Python (н = 280 ИИЗ зони, както е дефинирано по-рано 19).