Survey of Climate-Related Risks to Tilapia Pond Farms in Northern Thailand
Notice bibliographique
Résumé
Climate is an important factor for aquaculture production. This study aimed to understand how farmers that culture tilapia in earthen ponds perceive and respond to climate impacts. Important climate-related risks identified include extreme temperatures (hot and cold), excessive rainfall, prolonged cloud cover, flood and drought. Site visits and data collection using questionnaires were conducted to identify important factors influencing farm profits, losses, decision to increase or decrease ponds. Special attention was given to knowledge about fish markets and weather and the impacts of weather and climate on fish growth, disease outbreaks and water quality in ponds. Altogether 585 fish farms in four provinces in northern part of Thailand selected to cover a range of elevations above sea level and thus climate were surveyed (Nakornsawan 500 m). Fish farms at different elevations reported different climate and weather-related impacts. In the area where elevation above sea level is 500 were impacted mainly by drought and cold weather. These conditions also caused disease outbreaks and reduced feeding rates. Farmers responded by reducing the amount of feed supplied and considering non-fish pond or non-farm supplementary occupations as an adaptation strategy. Among non-climate related factors high prices of feed were most commonly identified as a key issue by farmers. The differences among sites at higher and lower elevation provided insights into the kind of changes in risks farmers may face as climate changes that could be helpful in developing adaptation strategies for individual farmers and the sector as a whole.
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 | 0,001 | 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 | 0,001 | 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 ».