Marine capture fisheries in the Arctic: winners or losers under climate change and ocean acidification?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Climate change, ocean acidification (OA) and the subsequent changes in marine productivity may affect fisheries and eventually the whole economy in the Arctic. We analysed how changes in climate and ocean pH under scenarios of anthropogenic CO 2 emissions are likely to affect the economics of marine fisheries in the Arctic. We applied a Dynamic Bioclimate Envelope Model (DBEM) and outputs from four different Earth System Models (ESMs) to project future changes in the distribution and maximum catch potential of exploited marine fishes and invertebrates. We projected that total fisheries revenue in the Arctic region may increase by 39% (14–59%) by 2050 relative to 2000 under the Special Reports on Emission Scenario (SRES) A2. Simultaneously, total fishing costs, fishers’ incomes, household incomes and economy‐wide impacts in the Arctic are also projected to increase. Climate change with OA is expected to reduce the potential increases in catch and the economic indicators studied herein. Although the projections suggest that Arctic countries are likely to be ‘winners’ under climate change in comparison with tropical developing countries, the effects of OA will lower the expected future benefits in the Arctic. The predicted impacts are likely to be conservative as we consider only the direct effects of OA on fishes and calcifiers, of which there are only a few in the Arctic. Results of this study would be useful for designing effective adaptation strategies to climate change and measures to mitigate the potential negative impacts of OA in the Arctic.
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.
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) | 0,000 | 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 découle